Previsão de Demanda Energética Para Comunidades Isoladas Baseada em Redes Neurais

por Roberta Mediondo publicado 01/12/2016 10h17, última modificação 06/03/2020 17h18

Jader Lugon Junior, D.Sc., Universidade do Estado do Rio de Janeiro

Programas governamentais implantaram sistemas individuais de geração de energia no atendimento a populações isoladas, parte em suas instituições públicas e comunitárias, parte em domicílios, como o Programa Luz para Todos que se estenderá até 2014, com uma demanda que pode alcançar mais de trezentas mil pessoas. Nestes programas a demanda é tratada como uma constante implicando em implantação de sistemas padronizados, independente de aspectos socioculturais, geográficos, demográficos, psicológicos e gerenciais, peculiares de cada família. Em função de contemplar uma rede de aspectos em sua constituição, a demanda de energia ao ser prevista por meio de modelos econométricos pode não refletir os viéses que a influenciam, gerando imprecisões nas estimativas, mesmo em se tratando da demanda inicial de uma família, e assim não atendendo suas necessidades energéticas básicas.  Neste trabalho, desenvolve-se um estudo sobre a demanda energética em comunidades isoladas, propondo a aplicação comparada de regressão linear e redes neurais na análise e previsão dessa demanda. Os estudos demonstraram que tanto a regressão linear, quanto redes neurais podem ser métodos eficientes para previsão de demanda energética, porém as redes neurais mostram-se mais eficientes na interpretação de um número maior de variáveis consideradas como impactantes sobre o consumo de energia, de forma que um conjunto de oito variáveis de entrada chegam a explicar mais de 99% do consumo de energia elétrica, considerando uma amostra formada por famílias rurais e também urbanas. As redes neurais podem ser utilizadas com alto grau de eficiência para previsão de demanda energética residencial, tanto no meio rural quanto urbano.

Government programs have implemented individual systems of energy generation in serving isolated populations, partly in its public institutions and community, part of households, as the Light for All program will last until 2014, with a demand that can reach more than three hundred thousand people . These programs demand is treated as a constant implying deployment of standardized, regardless of sociocultural, geographic, demographic, psychological and managerial, peculiar to each family. Due to contemplate aspects of a network in its constitution, the demand for energy to be provided by means of econometric models may not reflect the biases that influence, causing inaccuracies in the estimates, even when dealing with the initial demand of a family, and thus not meeting their basic energy needs. In this work, a study on the energy demand in isolated communities, compared proposing the application of linear regression and neural networks in analysis and forecasting of demand. The studies showed that both the linear regression, and neural networks can be efficient methods for predicting the energy demand, however neural networks are more efficient in the interpretation of a larger number of variables considered to impacting on the consumption of energy, so a set of eight input variables come to explain more than 99% of electricity consumption, whereas a sample made up of rural and also urban families. Neural networks can be used with high efficiency for residential energy demand forecast, both in rural and urban.

PDF document Roberta Mendiondo.pdf — Documento PDF, 2.26 MB
Conteúdo

Atualmente não existem itens nessa pasta.