An Intelligent Approach for Medium Term Hydropower Scheduling Using Ensemble Model

Aplicação De Programação Dinâmica E Modelos De Previsão Inteligentes No Planejamento Da Operação Energética

“…No processo de otimização o horizonte de planejamento T para a solução da equação recursiva foi igual a 120, com custo terminal nulo, ou seja, α T (x T ) = 0, ∀ x T . A função de custo de complementação não-térmica considerada foi ψ t (x t ) = 0.02(d t − p t ) 2 .…”

“…Cada um destes modelos apresenta peculiaridades com relação aos parâmetros de configuração, ao método de entrada, à forma de realizar a previsão, entre outros. Vale ressaltar que cada configuração assumida por um modelo é denominado um componente do modelo de previsão, portanto uma RNA, por exemplo, pode possuir inúmeras configurações diferentes e cada uma delas será denominada um componente de RNA e cada um destes componentes poderão apresentar resultados diferentes para as mesmas entradas [2].…”

Previsão de Energia Eólica: Modelo de Ensemble Baseado em Modelos Estatísticos e de Aprendizado de Máquina

“…Assim, tornam-se indispensáveis modelos de previsão para a produção da energia eólica para auxiliar o sistema elétrico brasileiro, principalmente, no planejamento e na programação energética. Quanto a estes modelos de predição, podemos separá-los, segundo Lei (2009), Foley (2012) e Daraeepour e Echeverri (2014), em 4 metodologias: modelos Research, Society and Development, v. 9, n. 12, e38291211251, 2020 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v9i12.11251 meteorológicos, modelos estatísticos tradicionais (Ruppert, 2011;Eldali, 2016) modelos inteligentes (Liu, 2010;Daraeepour;Echeverri, 2014;Yang, 2015) e modelos híbridos (Chang, 2016;Salgado, 2006;Salgado;Machado, 2016;Siqueira;Salgado, 2011).…”