Documente Academic
Documente Profesional
Documente Cultură
I. NOMENCLATURA
D:
E:
Tmax:
Tmin:
Umax:
Demanda em kW
Energia em kWh
Temperatura mxima em C
Temperatura mnima em C
Umidade Relativa do Ar mxima em %
II. INTRODUO
Onde
(vk )
a funo de ativao e
yk o sinal de
sada neurnio.
u k = wkj x j
(1)
j =1
v k = u k + bk
(2)
y k = (v k )
(3)
p1 = min{X i }
(4)
p 2 = E[ X i ] [E[ X i ] min{X i }] d
(5)
p 3 = E[ X i ] + [max{X i } E [ X i ]] d
(6)
p 4 = max{X i }
(7)
Onde:
E[Xi]:
d:
mdia do X do exemplo;
fator de desvio, que descreve o grau de
incerteza.
v1 = a0 e
e
v3 = a 0
2
e
v2 = a0
2
m n
O = ci xij
j =1 i =1
(9)
i =1
i =1
i =1
i =1
y j p i x ij (1 h ) c i x ij
v4 = a0 e
(8)
y j p i x ij + (1 h ) c i x ij
(10)
(11)
V. MODELAGEM E SIMULAO.
Com base na referncia e de posse de uma base de dados
de duas subestaes com informaes de carga mxima
diria, energia e dados climticos modelamos uma RNA
capaz de prever a demanda mxima para o dia seguinte,
alm disso, comparamos o resultado do segundo caso com
estimativa realizada por regresso linear fuzzy e verificando
a influencia da temperatura na demanda mxima diria, para
o caso 1.
D
E
Tmax
Tmin
Umax
Xi =
xi Mdia
2
(12)
Semana
E
Tmax
0,4376
0,0758
1
0,3735
1
Tmin
0,1059
0,0435
0,2030
1
D
E
Tmax
Tmin
Umax
D
1
Umax
0,3323
0,2135
0,2563
0,0293
1
TABELA III
CORRELAES ENTRE AS DEMANDAS PASSADAS
Semana
Dn-1
0,6936
Dn-2
0,5644
Dn-3
0,559
Dn-4
0,5464
-
Fim de Semana
Dn-1
0,1373
Dn-2
0,5773
Dn-3
0,085
Dn-4
0,4277
Dn-5
0,0893
Dn-6
0,3464
Umax
0,3264
0,1662
0,3319
0,0165
1
TABELA II
CORRELAES DAS VARIVEIS PARA FINS DE SEMANA E FERIADOS
A. Base de Dados
Para nosso estudo utilizaremos dois casos distintos:
D
1
Caso 1
Caso 2
TABELA IV
CORRELAES DAS VARIVEIS PARA DIAS DA SEMANA
Demanda
Temperatura
Energia
0,5653
0,5429
0,3462
Tempretura
Semana
Demanda
Energia
1
D (ve, e) = (-1097.83 , 2148.6) + (0.05122 , 0) * E + (27.48 , 0) * tmax
TABELA V
Fim de semana
Demanda
Tempretura
Energia
Demanda
Temperatura
Energia
0,4149
0,821
0,2209
onde:
ve:
valor estimado;
e:
erro.
VI. RESULTADOS
Para o caso 2 procedemos da seguinte forma: estimamos
a demanda mxima do dia seguinte com os dados de energia
e temperatura mxima diria do dia a ser estimado.
Realizaremos apenas as simulaes para os dias de
semana visto que existe uma boa correlao entre a energia
(13)
700,0
Sem temperatura
Drede = 0,7722*Dreal + 140,87
R 2 = 0,7648
680,0
Com temperatura
Drede = 0,8551*Dreal + 91,52
R 2 = 0,8047
660,0
640,0
620,0
600,0
580,0
560,0
540,0
540,0
560,0
580,0
600,0
620,0
640,0
660,0
680,0
700,0
Com temperatura
Com temperatura
Drede = 0,8166*Dreal + 120,14
R 2 = 0,9129
Sem temperatura
Drede = 1,1094*Dreal - 75,199
R 2 = 0,9158
720,0
700,0
680,0
660,0
640,0
620,0
VIII. REFERNCIA
600,0
580,0
560,0
560,0
580,0
600,0
620,0
640,0
660,0
680,0
700,0
720,0
740,0
Sem temp.
Com temp.
RNA
Drede = 0,9358*Dreal + 888,94
2
R = 0,7313
Fuzzy
Dfuzzy = 0,766*Dreal + 3487
2
R = 0,5384
[4]
J. Nazarko and W. Zalewski, "The fuzzy
Regression Approach to Peal load Estimation in Power
Distribution System", IEEE Transactions on power Systems,
vol. 14 no. 3, pp 809-814, May 1999.
15500
15000
14500
14000
[5]
Timothy J. Ross, "Fuzzy Logic With Engineering
Applications",
McGRAW-HILL
INTERNATIONAL
EDITIONS, pp 539-545.
13500
13000
13000
[2]
Mattos, L.V., Souza, L.M.O. (2002): Redes Neurais
para Previso Horria de Carga Trabalho de Fim de Curso
da Disciplina Tcnicas Inteligentes aplicadas a Sistemas de
Potncia. UFRJ/COPPE//PEE, Rio de Janeiro, RJ, Brasil.
[3]
Calba, L.P. (2004): Notas de Aula da Disciplina
Redes Neurais Feedforward. UFRJ/COPPE/PEE, Rio de
Janeiro, RJ, Brasil.
16500
16000
[1]
D.C. Park, M.A. El-Sharkawi, R.J. Marks II, L.E.
Atlas and M.J. Damborg Eletric, Load Forecasting Using An
Artificial Neural Network IEEE Power Systems, Vol. 6, No.
2, May 1991.
13500
14000
14500
15000
15500
16000
Fuzzy
Linear (RNA)
Linear (Fuzzy)