Previsão de Demanda de Energia Elétrica no Setor de Produção do Laticínio do IFMG - Campus Bambuí Utilizando Regressão de Vetores de Suporte
DOI:
https://doi.org/10.13037/ria.vol14n2.240Resumo
A tarifação e os custos crescentes da energia elétrica nos fazem buscar soluções para reduzir os gastos e melhorar o controle do consumo de energia elétrica. Uma forma de se reduzir custos de energia é evitar multas provenientes de picos de demanda. A previsão de demanda de energia é importante para o desenvolvimento de controladores de demanda, pois esses podem atuar no controle de cargas elétricas antecipando ocorrências de picos, e dessa forma, evitar a ultrapassagem da demanda contratada. Nesse sentido, foi desenvolvido um sistema de medição de potência elétrica trifásica utilizando-se a plataforma Arduíno, além disso, avaliou-se um método de previsão de demanda de energia de curtíssimo tempo no setor de produção do laticínio do IFMG, a partir da estratégia Support Vector Regression (SVR). O sistema de medição foi avaliado e apresentou um erro médio de leitura de 1,16%, 1,34% e 1,1% para cada fase, em relação ao multimedidor utilizado para aferir. A coleta de dados durou sete dias e após esse período foi realizada a avaliação de um método de previsão SVR e foi obtido um coeficiente de determinação (R2) de 0,60 e um erro médio absoluto percentual (MAPE) de 11,1%.Downloads
Referências
ALBUQUERQUE, P. H. Previsão de séries temporais financeiras por meio de máquinas de suporte vetorial e ondaletas. [S.l.], 2014.
ANDRADE, L. C. M. de. Abordagem neurofuzzy para previsão de demanda de energia elétrica no curtíssimo prazo. Dissertação (Mestrado) — Escola de Engenharia de São Carlos da Universidade de Sã o Paulo, 2010.
ASSIS, S. S. de et al. Desenvolvimento de um protótipo para classificação de perfis de pulverização utilizando processamento digital de sinais e redes neurais artificiais. Revista Brasileira de Computação Aplicada, v. 11, n. 1, p. 14–27, 2019.
BAGATTELLO, V. A.; CORDEIRO, M. X.; JUNIOR, A. D. P. Redes neurais aplicadas a previsão de séries temporais. In: XI Encontro de Iniciação Científica e Pós Graduação do ITA. [S.l.: s.n.], 2005.
BASAK, D.; PAL, S.; PATRANABIS, D. C. Support vector regression. Neural Information Processing-Letters and Reviews, Citeseer, v. 11, n. 10, p. 203–224, 2007.
BOYLESTAD, R. L. Introdução à análise de circuitos. Tradução de José Daniel Vieira e Jorge Ritter. Revisão técnica de Benedito Donizete Bonatto. São Paulo : Pearson Prentice Hall, v. 12, 2012.
BRITO, N. M. et al. Validação de métodos analíticos: estratégia e discussão. Pesticidas: Revista de Ecotoxicologia e Meio Ambiente, v. 13, 2003.
CAMPOS, R. J. Previsão de séries temporais com aplicações a séries de consumo de energia elétrica. 2008. 85 f. Tese (Doutorado) — Dissertação (Mestrado em Engenharia Elétrica)-Universidade Federal de Minas Gerais, Belo Horizonte, 2008.
EPE, B. E. de P. E. Balanço energético nacional, séries completas. Disponível: http://www. mme. gov. br/documents/10584/. Acesso, v. 13, 2017.
GUEDES, J. Manual da tarifação de energia elétrica. Rio de janeiro–RJ: PROCEL EDIFICA, 2011.
MAKRIDAKIS, S.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting: methods and applications. [S.l.]: John Wiley & Sons, 1998.
MCROBERTS, M. Arduino básico. São Paulo: Novatec, v. 1, 2011.
OLIVEIRA, A. Novo modelo elétrico - papel ampliado para geração distribuída. INEE - Instituto Nacional de Eficiência Energética, 2004.
OLIVEIRA, B. A. S.; ASSIS, S.; NOLLI, C. Development of a prototype electrical energy monitoring system via internet/desenvolvimento de um protótipo de sistema de monitoramento de energia elétrica via internet. Revista de Engenharia da Universidade Católica de Petrópolis, v. 12, n. 1, p. 48–61, 2019
OLIVEIRA, B. A. S. et al. Avaliação de uma rede neural artificial como estimador temporal pluviométrico no sistema de abastecimento cantareira. Revista de Informática Aplicada, v. 14, n. 1, 2018.
OZUR, F. S.; PEREIRA, T. H.; JOANA, D. Controle de demanda de energia elétrica. e-xacta, v. 4, n. 3, 2012.
RUAS, G. I. et al. Electrical energy demand prediction using artificial neural networks and support vector regression. In: IEEE. Communications, Control and Signal Processing, 2008. ISCCSP 2008. 3rd International Symposium on. [S.l.], 2008. p. 1431–1435.
RUAS, G. I. S. et al. Previsão de Demanda de Energia Elétrica Utilizando Redes Neurais Artificiais e Support Vector Regression. 2012.
SOUZA, A. R. de et al. A placa arduino: uma opçao de baixo custo para experiências de fısica assistidas pelo pc. Revista Brasileira de Ensino de Fısica, v. 33, n. 1, p. 1702, 2011.
STEVENSON, W. D. Elements of power system analysis. McGraw-Hill, 1975.
TORRINI, F. C. Modelos de Lógica Fuzzy para a Previsão de Longo Prazo de Consumo de Energia. Tese (Doutorado) — PUC-Rio, 2014.
VASCONCELOS, L. P. et al. Uma comparação de técnicas de regreção para a previsão de consumo de energia residencial no cenário nacional. 2017.
VASCONCELOS, L. P. et al. Uma revisão da literatura na previsão de consumo de energia elétrica residencial utilizando técnicas de aprendizado de máquina. 2017.
VIEIRA, M. C. Controlador de Demanda de Energia Utilizando Inteligência Computacional. Dissertação (Mestrado) — Dissertação de Mestrado, Programa de Pós-Graduação emEngenharia de Sistemas e Automação da Universidade Federal de Lavras, 2016.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2019 Brayan Rawlison Castoril, Bruno Alberto Soares Oliveira, Servílio Souza de Assis, Bárbara Roberta Morais, Francisco Heider Willy dos Santos
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores que publicam trabalhos na RIA estão de acordo com os seguintes termos:
- Autores mantêm seus direitos autorais e concedem à RIA o direito à primeira publicação. Admite-se o compartilhamento do referido trabalho, desde que seja reconhecida sua autoria e publicação inicial nesta revista.
- Autores podem fechar contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicado na RIA, com reconhecimento de sua autoria e publicação inicial nesta revista.
- Autores podem publicar e distribuir seu trabalho online, antes ou durante o processo editorial.
