Modelos Neurais Autônomos Para Previsão De Carga Elétrica

Abstract

After 1991, the literature on load forecasting has been dominated by neural network based proposals. However, one major risk in using neural models is the possibility of excessive training data approximation, i.e., overfitting. The extent of nonlinearity provided by neural network based load forecasters, which depends on the input space representation, has been adjusted using heuristic procedures. The empirical nature of these procedures makes their application cumbersome and time consuming. This paper explores the most promising training methods proposed in recent years for avoiding the above mentioned drawbacks, considering automatic and simultaneous complexity control and input selection of neural network based load forecasters. Keywords⎯ Load forecasting, artificial neural networks, complexity control, input selection, Bayesian methods, support vector machines. Resumo⎯ Após 1991, a literatura sobre previsão de carga passou a ser dominada por propostas baseadas em modelos neurais. Entretanto, um empecilho na aplicação destes modelos reside na possibilidade do ajuste excessivo dos dados, i.e, overfitting. O excesso de não-linearidade disponibilizado pelos modelos neurais de previsão de carga, que depende da representação do espaço de entrada, vem sendo ajustado de maneira heurística. Este trabalho explora algumas das técnicas mais promissoras para abordagem das questões anteriores, considerando técnicas automáticas e simultâneas de controle de complexidade e seleção de variáveis de entrada de modelos neurais para previsão de carga. Palavras-chave⎯ Previsão de carga, redes neurais artificiais, controle de complexidade, seleção de entradas, métodos bayesianos, máquinas de vetor suporte.

Inferência Bayesiana No Desenvolvimento De Previsores Neurais De Vazão Diária Utilizando Informações De Precipitação

“…Co m o objetivo de superar as deficiências dos modelos matemáticos de previsão de vazão, p ode-se registrar um aumento significativo nos últimos anos do número de trabalhos que utilizam modelos baseados em redes neurais [3], [4], [5], [7] e do número de trabalhos que agregam, à filosofia d e redes neurais, o histórico de vazões e informações de chuvas (observadas e previstas) nos locais dos aproveitamentos [10], [11], [13], [14]. As Redes Neurais Artificiais (RNAs) são uma das técnicas de aprendizado de máquina de maior sucesso e com estrutura matemát ica flexível, capaz de identificar relações não-lineares complexas entre entrada e saída, sem a necessidade de entendimento dos fe nômenos naturais.…”

“…Na literatura de previsão de vazões naturais, foco principal deste trabalho, os estudos realizados utilizando redes neurais não apresentam metodologias sistemáticas para o tratamento do controle de complexidade do modelo [3], [4], [5]. Por outro lado, existem na literatura de prev isão de séries temporais metodologias automáticas e acopladas para regularização de modelos neurais, incluindo técnicas analíticas para seleção de entradas e definição de estrutura [6], [7], desenvolvidas originalmente para previsão de carga e com resultados satisfatórios também para previsão de vazão mensal [8]. Estudos recentes ainda mostram que a introdução de informações de precipitação como entradas exógenas nos modelos de previsão de vazão podem contribuir para a diminuição dos erros de previsão [9]- [11], se comparados aos modelos clássicos que se utilizam apenas vazões observadas.…”

“…O objetivo é avaliar a aplicabilidade de informações de precipitação nos modelos de previsão de vazão diária e identificar o melhor modelo de previsão utilizando os modelos neurais autônomos bayesianos propostos em [6], [7] para prev isão de carga em curto prazo, baseados na inferência bayesiana aplicada à especificação e treinamento de perceptrons de múltip las camadas (multilayered perceptron -MLP).…”

Inferência Bayesiana Aplicada a MLPs para Previsão Probabilística de Carga Semanal

“…De modo geral, as previsões de carga apresentam três tipos de horizontes a serem considerados: curto prazo (STFL), médio prazo (MLTF) e longo prazo (LTFL).Contudo, as definições desses horizontes não são únicas, com isso previsões consideradas de longo prazo para algumas empresas podem ser consideradas de médio para outras (Tao Hong, 2016) e (Ferreira, 2008).…”

Inferência Bayesiana No Desenvolvimento De Previsores Neurais De Vazão Diária Utilizando Informações De Precipitação

“…Visando melhorar a qualidade das previsões de vazão média diária, neste trabalho foram pesquisadas diversas estratégias de previsão utilizando modelos neurais, desde modelos considerando como entradas somente dados de vazão até 2 modelos com entradas incluindo dados de vazão, precipitação e informações sazonais para representação do período do ano. O objetivo é avaliar a aplicabilidade de informações de precipitação nos modelos de previsão de vazão diária e identificar o melhor modelo de previsão utilizando os modelos neurais autônomos bayesianos propostos em [6], [7] para prev isão de carga em curto prazo, baseados na inferência bayesiana aplicada à especificação e treinamento de perceptrons de múltip las camadas (multilayered perceptron -MLP).…”