Dissertação
Machine Learning to Forecast Constraints in Distribution Networks EVALUATED
A rede elétrica está a incorporar cada vez mais recursos renováveis como resultado da transição energética em curso. Estas mudanças são benéficas para a sociedade, contudo representam grandes desafios para os administradores de sistema. O principal objetivo desta dissertação de mestrado é prever violações de restrições em uma rede de destribuição rica em recursos energéticos renováveis. A pipeline de Aprendizagem Automática é construída de forma a atingir estes objetivos. Informações de arquitetura de rede, perfis meteorológicos e de consumo/produção servem de entrada para o pré-processamento de dados e simulação de Fluxo de Potência a fim de entregar os recursos necessários à metodologia de previsão proposta. Considerando as características do problema, uma nova métrica de avaliação estatística é proposta. Esta combina regressão e classificação através da introdução da influência do desvio entre os valores previstos e reais nos resultados da matriz de confusão. No caso de estudo, modelos de regressão, classificação e híbridos (propostos), são treinados e avaliados. Os resultados mostram que é possível prever diretamente violações de restrições em redes elétricas. É possível enquadrar o problema como classificação ou regressão. Modelos mais simples podem, às vezes, ter um desempenho melhor do que modelos mais complexos. Os resultados também mostram que a engenharia de recursos e o ajuste do conjunto de dados de treino podem aumentam o desempenho das previsões. A exploração do enquadramento do problema em termos de Aprendizagem Automática, as metodologias de previsão e o estudo das métricas mais adequadas para esta tarefa caracterizam as principais contribuições.
novembro 30, 2022, 14:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar