Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37421| Título: | Previsão de demanda de energia elétrica com a utilização de redes neurais artificiais |
| Título(s) alternativo(s): | Forecasting of electric energy demand utilizing artificial neural networks |
| Autor(es): | Oliveira, Victor Cesar Simões de |
| Orientador(es): | Siqueira, Hugo Valadares |
| Palavras-chave: | Energia elétrica - Consumo Análise de séries temporais Redes neurais (Computação) Electric power consumption Time-series analysis Neural networks (Computer science) |
| Data do documento: | 21-Fev-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | OLIVEIRA, Victor Cesar Simões de. Previsão de demanda de energia elétrica com a utilização de redes neurais artificiais. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, 2025. |
| Resumo: | A importância da energia elétrica na vida das pessoas é inegável, pois ela contribui para o desenvolvimento e bem-estar de uma sociedade. Por isso, é necessário buscar métodos e ferramentas a fim de se ter um planejamento para o fornecimento seguro de energia elétrica para a população. Assim sendo, neste trabalho foi proposto a utilização de Redes Neurais Artificiais (RNA) para tal. Foram desenvolvidas RNAs do tipo Perceptron de Múltiplas Camadas (MLP), Funções de Base Radial (RBF), Máquina de Aprendizado Extremo (ELM), Máquina de Estado de Eco (ESN) e Memória de Longo-Curto Prazo (LSTM) para realizar a previsão de séries temporais de demanda de energia elétrica para os estados do Paraná, de Santa Catarina e do Rio Grande do Sul. Os resultados obtidos mostram a viabilidade da proposta, pois todas as redes obtiveram bons resultados, apresentando erros aceitáveis e gerando curvas de previsão condizentes com a realidade, sendo a MLP a rede com a melhor previsibilidade. |
| Abstract: | The importance of electric power in people’s lives is undeniable, as it contributes to the development and well-being of a society. Therefore, it is necessary to seek methods and tools to ensure safe planning for the supply of electric power to the population. Thus, this work proposes the use of Artificial Neural Networks (ANN) for this purpose. Multiple Layer Perceptron (MLP), Radial Basis Function (RBF), Extreme Learning Machine (ELM), Echo State Network (ESN), and Long-Short Term Memory (LSTM) neural networks were developed to forecast time series of electric power demand for the states of Paraná, Santa Catarina, and Rio Grande do Sul. The results obtained show the feasibility of the proposal, as all the networks achieved good results, presenting acceptable errors and generating prediction curves consistent with reality, with the MLP being the network with the best predictability. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37421 |
| Aparece nas coleções: | PG - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| previsaodemandaredesneurais.pdf | 729,78 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
