Dissertação

Aprendizagem automática para previsão de perdas na rede nacional de transporte de energia eléctrica EVALUATED

Esta dissertação surge como resposta ao desafio lançado pela REN de melhorar a previsão de perdas na rede de muito alta tensão a uma distância temporal de dois dias. Neste momento, o método de previsão de perdas utilizado é uma percentagem da carga na rede, método puramente empírico, que não tem em conta muito outros factores que condicionam o valor real de perdas. Os dados disponíveis diariamente para calcular os valores pretendidos são as previsões de geração e carga para o dia desejado (neste caso, dois dias após o presente dia). Começou-se por dividir o país em várias regiões clusters de modo a criar nós com um saldo líquido de potência activa (geração menos carga). Posteriormente, foi implementado um sistema de regressão linear múltipla que regride as previsões de geração e carga (organizadas em clusters sobre o histórico destes dados e respectivas perdas. Estes dados estão presentes nos registos da REN}. Depois deste ponto de partida, retiraram-se os clusters e foi feita uma análise sem clusters. Por fim, após a comparação entre vários números de clusters e diferentes organizações dos mesmos, ficou o maior número de clusters possíveis, de modo a manter uma maior sensibilidade na previsão. Os resultados finais demonstram que o algoritmo segue a curva de perdas com bastante proximidade, obtendo-se resultados para o coeficiente de determinação de 0.9679 para uma amostra de um ano, ou seja, com 17.520 pontos.
Regressão Linear Múltipla, Previsão de perdas, Clustering, Rede Nacional de Transporte, REN, Cálculo da Capacidade

Novembro 22, 2019, 15:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Pedro Manuel Santos de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

Nélio Paulo Carvalho Machado

REN

Engenheiro