Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Previsão de Curto Prazo de Carga e Energia Renovável Utilizando Rede Neural Artificial

Ram Srinivasan, Venki Balasubramanian, Buvana Selvaraj

A previsão de carga é uma técnica utilizada para a previsão das exigências de carga elétrica na gestão de baterias. De um modo geral, o nível agregado utilizado para a Previsão de Carga Elétrica de Curto Prazo (STLF) consiste em informação numérica ou não numérica recolhida de múltiplas fontes, o que auxilia na obtenção de dados precisos e previsões eficientes. No entanto, o nível agregado não consegue prever com precisão as fases de validação e teste dos dados numéricos, incluindo as medições em tempo real do nível de irradiância (W/m2) e da potência de saída fotovoltaica (W). A previsão é também um desafio devido às flutuações causadas pela utilização aleatória de aparelhos nos dados de carga existentes do ciclo semanal, diurno e anual. Neste estudo, superámos este desafio utilizando métodos de Rede Neural Artificial (RNA), como os algoritmos de Regularização Bayesiana (BR) e de Levenberg-Marquardt (LM). O STLF alcançado pelos métodos baseados em RNA pode melhorar a precisão da previsão. O desempenho global dos algoritmos BR e LM foi analisado durante as fases de desenvolvimento da RNA. A camada de entrada, a camada oculta e a camada de saída utilizadas para treinar e testar a RNA em conjunto prevêem a procura de eletricidade em 24 horas. Os resultados mostram que a utilização dos algoritmos LM e BR proporciona uma arquitetura altamente eficiente para a estimativa da procura de energia renovável.