dc.contributor.author | Café, Douglas dos Santos | |
dc.date.accessioned | 2023-04-11T15:18:35Z | |
dc.date.available | 2023-04-11T15:18:35Z | |
dc.date.issued | 2023-04-05 | |
dc.identifier.citation | CAFÉ, Douglas dos Santos. Aplicação de redes neurais para previsão de demanda de energia elétrica. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/17682. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/17682 | |
dc.description.abstract | In the early 2000s, the Brazilian electrical system was less developed than it is today and depended much more on hydroelectric generation, as 80% came from it. A study conducted by the Ministry of Mines and Energy revealed that the possibility of an electricity deficit at the end of the 1990s was at levels above acceptable levels and the balance between supply and demand was precarious.
For this reason, a program to rationalize the use of electricity was created, divided into two stages. The first was rationalization, and if the risk of demand greater than supply was not reduced, the government would trigger the second stage, rationing. Therefore, in order for better planning and more efficient production to occur, avoiding excessive production or production below demand, it is essential to use and improve methodologies for forecasting electricity demand.
That said, the current work aims to develop a computational support tool for strategic planning in electricity generation and distribution systems. In the proposed methodology, a short/medium term forecasting system will be implemented for the state of São Paulo, using computational techniques of artificial intelligence based on artificial neural networks (ANN). For this purpose, electricity consumption data on the grid (MWh) was used, acquired through the electronic portals of the National Electric Energy Agency (ANEEL) and Energy Research Company (EPE). | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/br/ | * |
dc.subject | Previsão de demanda | por |
dc.subject | Demand forecast | eng |
dc.subject | Geração de energia elétrica | eng |
dc.subject | Energy generation electrical | eng |
dc.subject | Distribuição de energia elétrica | por |
dc.subject | Electrical energy distribution | eng |
dc.subject | Inteligência artificial | por |
dc.subject | Artificial intelligence | eng |
dc.subject | Redes neurais artificiais | por |
dc.subject | Artificial neural networks | eng |
dc.title | Aplicação de redes neurais para previsão de demanda de energia elétrica | por |
dc.title.alternative | Application of neural networks to forecast electricity demand | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | França, Celso Aparecido de | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/4547836128892982 | por |
dc.description.resumo | No início dos anos 2000, o sistema elétrico brasileiro encontrava-se menos desenvolvido que atualmente e dependia muito mais da geração hidrelétrica, pois 80% provinha da mesma. Um estudo conduzido pelo Ministério de Minas e Energia revelou que a possibilidade de déficit de eletricidade no final da década de 90 estava em patamares acima do aceitável e o equilíbrio entre oferta e demanda era precário.
Por isso, foi criado o programa de racionalização do uso de energia elétrica, dividido em dois estágios. O primeiro era a racionalização, e caso não fosse reduzido o risco de demanda maior que a oferta, o governo acionaria o segundo estágio, o racionamento. Sendo assim, para que ocorra um melhor planejamento e uma produção mais eficiente, evitando uma produção excessiva ou abaixo da demanda, torna-se indispensável utilizar e aprimorar metodologias de previsão de demanda de energia elétrica.
Posto isto, o atual trabalho visa o desenvolvimento de uma ferramenta computacional de apoio para o planejamento estratégico em sistemas de geração e distribuição elétrica. Na metodologia proposta será implementado um sistema de previsão a curto/médio prazo para o estado de São Paulo, utilizando de técnicas computacionais de inteligência artificial fundamentadas em redes neurais artificiais (RNA). Para tal, foi utilizado dados de consumo de energia elétrica na rede (MWh), adquiridos através dos portais eletrônicos da Agência Nacional de Energia Elétrica (ANEEL) e Empresa de Pesquisa Energética (EPE). | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/2796639236655292 | por |
dc.publisher.course | Engenharia Elétrica - EE | por |