Uma abordagem estatística para a previsão de potência reativa em sistemas elétricos

ResumoEste trabalho testa e compara dois tipos de modelagem para previsão de uma mesma série temporal. Foi observada uma série temporal de distribuição de energia elétrica e, como estudo de caso, optou-se pela região metropolitana do Estado da Bahia. Foram testadas as combinações de três variáveis exógenas em cada modelo: a quantidade de clientes ligados na rede de distribuição de energia elétrica, a temperatura ambiente e a precipitação de chuvas. O modelo linear de previsão de séries temporais utilizado foi um SARIMAX. A modelagem de inteligência computacional utilizada para a previsão da série temporal foi um sistema de Inferência Fuzzy. Na busca de um melhor desempenho, foram feitos testes de quais variáveis exógenas melhor influenciam no comportamento da energia distribuída em cada modelo. Segundo a avaliação dos testes, o sistema Fuzzy de previsão foi o que obteve o menor erro. Porém dentre os menores erros, os resultados dos testes também indicaram diferentes variáveis exógenas para cada modelo de previsão. Palavras-Chaves:Previsão; Séries Temporais; Energia Elétrica; SARIMAX; Sistemas Fuzzy. Abstract This paper tests and compares two types of modelling to predict the same time series. A time series of electric load was observed and, as a case study, we opted for the metropolitan region of Bahia State. The combination of three exogenous variables were attempted in each model. The exogenous variables are: the number of customers connected to the electricity distribution network, the temperature and the precipitation of rain. The linear model time series forecasting used was a SARIMAX. The modelling of computational intelligence used to predict the time series was a Fuzzy Inference System. According to the evaluation of the attempts, the Fuzzy forecasting system presented the lowest error. But among the smallest errors, the results of the attempts also indicated different exogenous variables for each forecast model.

show abstract

“…A fim de melhorar o desempenho de previsão de valores futuros, outra série de tempo pode ser incorporada nos modelos de séries temporais [5].…”

Section: Modelo Multiplicativo Autoregressivo Integrado De Média Móveunclassified

Testes De Modelagens Para Previsão De Uma Série Temporal De Distribuição De Energia Elétrica

Pereira¹,

Almeida²,

Velloso³

2016

Anais Do XVIII Simpósio De Pesquisa Operacional &Amp; Logística Da Marinha

View full text Add to dashboard Cite

show abstract

“…In order to improve the performance prediction of future values, another time serie can be incorporated in time series model [5].…”

Section: Seasonal Autoregressive Integrated Moving Average With Exogementioning

confidence: 99%

Fuzzy Modeling to Forecast an Electric Load Time Series

Pereira

Almeida

Velloso

2015

Procedia Computer Science

View full text Add to dashboard Cite

This paper tests and compares two types of modelling to predict the same time series. A time series of electric load was observed and, as a case study, we opted for the metropolitan region of Bahia State. The combination of three exogenous variables were attempted in each model. The exogenous variables are: the number of customers connected to the electricity distribution network, the temperature and the precipitation of rain. The linear model time series forecasting used was a SARIMAX. The modelling of computational intelligence used to predict the time series was a Fuzzy Inference System. According to the evaluation of the attempts, the Fuzzy forecasting system presented the lowest error. But among the smallest errors, the results of the attempts also indicated different exogenous variables for each forecast model.

show abstract

“…Apesar do grande número de alternativas, contudo, os modelos causais mais freqüentes encontrados na literatura são os modelos lineares aditivos que decompõem a carga, geralmente, somente em um componente básico (Christo e Souza, 2006) ou também com um componente relacionado com o clima (Bunn, 1985). O componente básico deve refletir o comportamento normal da série de cargas, é equivalente ao valor esperado da carga, dados os valores passados da série, se não houver nenhuma circunstância anômala.…”

Section: Previsão De Energia Elétricaunclassified

Uso Do Gráfico De Controle Para Minimizar Erros De Previsão Em Séries De Energia Elétrica

Christo¹,

Ferreira²

2013

Engevista

Self Cite

View full text Add to dashboard Cite

Resumo: Em 2001, o setor elétrico sofreu uma grave crise de abastecimento que culminou em um plano de racionamento de energia elétrica. Esse acontecimento gerou uma série de questionamentos sobre os rumos que o setor elétrico estava trilhando. O reforço dos instrumentos de planejamento energético pelo governo brasileiro permitiu a recuperação de uma responsabilidade do Estado indispensável para que a expansão da oferta de energia se realize de forma satisfatória, em conformidade com o interesse público e a estratégia de desenvolvimento econômico e social. Em termos econômicos, a previsão e o controle estatístico da demanda de energia se tornaram a base da composição de preço no mercado e os erros de previsão e falhas passaram a resultar em perdas financeiras. O problema maior no estudo de modelos é otimizar os dados previstos, ou seja, minimizar os erros de previsão. Estes erros são causados pela má elaboração dos modelos ou pela grande variabilidade do processo. O objetivo deste trabalho é minimizar os erros de previsão de uma série de energia elétrica através do método de amortecimento exponencial aplicada aos pontos fora dos limites do gráfico de controle dos resíduos gerados por um modelo de previsão ARIMA. O método foi comparado a um trabalho anterior onde os dados que ficaram fora de controle foram retirados da série. Verificou-se que o resultado obtido neste trabalho apresentou um erro de previsão menor, além de manter todos os dados da série. Palavras-Chave: Previsão de Séries Temporais; Controle Estatístico de Qualidade; Energia.Abstract: In 2001, the electricity sector suffered a serious supply crisis that culminated in a plan of electricity rationing. This event generated a series of questions about the direction the electricity sector was treading. The strengthening of the tools for energy planning by the Brazilian government allowed the recovery of a state responsibility essential so that the expansion of energy to take place satisfactorily in accordance with the public interest and the strategy of economic and social development. In economic terms, forecasting and statistical control of energy demand became the basis of the composition of the market price and the forecast errors and failures began to result in financial losses. The biggest problem in the study of models is to optimize the predicted data, i.e., minimize errors of prediction. These errors are caused by poor preparation of the models or the great variability of the process. The objective is to minimize the forecast errors from a series of electricity through the exponential smoothing method applied to points outside the limits of the control chart of the waste generated for an ARIMA forecasting model. The method was compared to a last work where the data that were out of control were removed the series. It was found that the results obtained in this study showed a lesser prediction error, besides maintaining all data's series.

show abstract

Uma abordagem estatística para a previsão de potência reativa em sistemas elétricos

Cited by 4 publications

References 9 publications

Testes De Modelagens Para Previsão De Uma Série Temporal De Distribuição De Energia Elétrica

Testes De Modelagens Para Previsão De Uma Série Temporal De Distribuição De Energia Elétrica

Fuzzy Modeling to Forecast an Electric Load Time Series

Uso Do Gráfico De Controle Para Minimizar Erros De Previsão Em Séries De Energia Elétrica

Contact Info

Product

Resources

About