Previsão de demanda de energia elétrica utilizando inteligência artificial
| dc.contributor.advisor1 | Stypulkowski, Yuri Solis | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2353733126001790 | pt_BR |
| dc.creator | Drebes, Felipe | |
| dc.date.accessioned | 2021-09-10T21:37:23Z | |
| dc.date.available | 2021-09-10T21:37:23Z | |
| dc.date.issued | 2020-11 | |
| dc.date.submitted | 2020-12-03 | |
| dc.description.abstract | A previsão da demanda de energia elétrica é imprescindível para o planejamento e a operação do sistema elétrico, visto que através dela que é determinado o horário e a quantidade de geração que precisa ser injetada no sistema, para atender a carga sem interrupções no fornecimento de energia, como também otimizar os horários em que as fontes de geração de energia elétrica entram em operação. Com isto, este trabalho apresenta uma metodologia utilizando a mineração de dados para prever a demanda máxima de energia elétrica em um determinado dia para o sistema da Cooperativa Certel. O processamento de dados foi realizado com o histórico de variáveis climáticas e demanda de energia elétrica nos diferentes meses do ano, com a utilização do software Weka, chegando a respostas satisfatórias no final do processo, com diferença de no máximo 2,5 MW entre o previsto com o real o que representa 3% de erro. | pt_BR |
| dc.description.abstract | The forecast of the demand for electric energy is essential for the planning and operation of the electric system, since it is through it that the time and the amount of generation that needs to be injected into the system are determined, to meet the load without interruptions in the energy supply, as well as optimize the times when the sources of electric power generation come into operation. With this, this work presents a methodology using data mining to predict the maximum demand for electricity on a given day for the Certel Cooperative system. The data processing was carried out with the history of climatic variables and electricity demand in the different months of the year, using the Weka software, reaching satisfactory responses in the final process, with a difference of at most 2.5 MW between the predicted with the real which represents 3% error. | pt_BR |
| dc.identifier.citation | DREBES, Felipe. Previsão de demanda de energia elétrica utilizando inteligência artificial. 2020. Monografia (Graduação em Engenharia Elétrica) – Universidade do Vale do Taquari - Univates, Lajeado, 03 dez. 2020. Disponível em: http://hdl.handle.net/10737/3064. | pt_BR |
| dc.identifier.uri | http://hdl.handle.net/10737/3064 | |
| dc.language.iso | pt_BR | pt_BR |
| dc.rights | openAccess | pt_BR |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | * |
| dc.subject | Mineração de dados | pt_BR |
| dc.subject | Previsão de demanda | pt_BR |
| dc.subject | Weka | pt_BR |
| dc.subject | Geração | pt_BR |
| dc.subject | Estatística meteorológica | pt_BR |
| dc.subject | Data mining | pt_BR |
| dc.subject | Demand forecasting | pt_BR |
| dc.subject | Generation | pt_BR |
| dc.subject | Meteorological statistics | pt_BR |
| dc.subject.cnpq | ENG | pt_BR |
| dc.title | Previsão de demanda de energia elétrica utilizando inteligência artificial | pt_BR |
| dc.type | bachelorThesis | pt_BR |