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.
novembro 22, 2019, 15:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Pedro Manuel Santos de Carvalho
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado