An accurate demand forecasting is essential for planning the electric dispatch in power system, contributing financially to electricity companies and helping in the security and continuity of electricity supply. In addition, it is evident that the distributed energy resource integration in the electric power system has been increasing recently, mostly from the photovoltaic generation, resulting in a gradual change of the load curve profile. Therefore, the 24 hours ahead prediction of the electrical demand of Campina Grande, Brazil, was realized from artificial neural network with a focus on the data preprocessing. Thus, the time series variations, such as hourly, diary and seasonal, were reduced in order to obtain a better demand prediction. Finally, it was compared the results between the forecasting with the preprocessing application and the prediction without the preprocessing stage. Based on the results, the first methodology presented lower mean absolute percentage error with 7.95% against 10.33% of the second one.
A inserção de fontes renováveis de energia em redes de distribuição e transmissão tem gerado trabalhos analisando, sobre diversos aspectos, quais são os impactos dessa inserção. O processo de Black Start (recuperação da rede após parada total sem referência externa) está entre os procedimentos que podem ser alterados conforme as redes são modificadas, devido ao fato de que as novas fontes inseridas podem mudar a dinâmica deste procedimento. Neste trabalho, procura-se obter por meio do otimizador GWO (Grey Wolf Optimizer) a sequência otimizada de conexão de cargas e fontes ao alimentador 13 nós IEEE. A função objetivo utilizada procura obter a sequência de conexão com o menor impacto no nível de tensão e a menor perturbação na frequência durante a recuperação do alimentador. Foram simulados 8 horários do dia com diferentes níveis de potência sendo injetados na rede devido à geração intermitente das fontes renováveis.
Este trabalho apresenta uma solução computacional para o problema de planejamento de demanda com objetivo de minimizar o custo com energia elétrica de um ambiente industrial do tipo job-shop, considerando a presença de geração distribuída (GD), além de tarifas horossazonais verde e azul, aplicadas no mercado brasileiro de energia. A solução proposta conta com um sistema de previsão de GD, que utiliza redes neurais do tipo ELM - Extreme Learning Machine, e um sistema de otimização baseado em algoritmos genéticos. Foram realizadas simulações com três ambientes produtivos diferentes com o objetivo de validar o modelo proposto.
Este artigo propõe estudar a perfil de tensão do alimentador de teste radial de 13 nós IEEE ,sem a presença do regulador de tensão conectado à saída da subestação, por meio da alocação otimizada de banco de capacitores (BCs) comparando a utilização de 3 diferentes tipos de funções objetivos através do uso de algorítmo genético (AG). Os resultados obtidos para a alocação otimizada de banco de capacitores mostram que a função objetivo que visa minimizar as perdas do sistema de distribuição obtem melhores resultados. As funções objetivos serão analisadas com os capacitores fixos do sistemas de 13 nós e com a retirada desses capaciotres do sistema. O impacto no perfil de tensão na presença dos capacitores fixos e na retirada desses elementos serão comparados sob a regulamentação da eletricidade de brasileiros Agência Reguladora de Energia Elétrica (ANEEL) e Operador de sistema elétrico (ONS)
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.