Previsão de carga através de modelos neuro-fuzzy

Almeida, Victor Andrade de

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/9937

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Assis, Tatiana Mariano Lessa de	-
dc.contributor.author	Almeida, Victor Andrade de	-
dc.date.accessioned	2019-10-09T10:54:22Z	-
dc.date.available	2023-12-21T03:01:35Z	-
dc.date.issued	2013-08	-
dc.identifier.uri	http://hdl.handle.net/11422/9937	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Previsão de Carga	pt_BR
dc.subject	Redes Neurais	pt_BR
dc.subject	Lógica Fuzzy	pt_BR
dc.title	Previsão de carga através de modelos neuro-fuzzy	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorCo1	Pessanha, José Francisco Moreira	-
dc.contributor.referee1	Oumar, Diene	-
dc.description.resumo	Este projeto de graduação apresenta um modelo de previsão de carga de sistemas de energia elétrica utilizando de forma combinada Redes Neurais Artificiais e Lógica Fuzzy. Ao longo do trabalho são apresentados os fundamentos dessas duas técnicas de inteligência computacional, assim como a utilização de ambas na metodologia proposta. A partir de dados de carga históricos e outras informações como as datas de feriados e finais de semana, são realizadas separadamente previsões de ponta de carga e perfil de carga. São descritos de forma detalhada os dados de entrada, a estrutura do modelo proposto e também os ajustes realizados nos parâmetros do modelo a fim de obter-se uma maior qualidade na previsão. A programação do modelo, o tratamento de dados e avaliação do resultado foram realizados através do software MATLAB.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Escola Politécnica	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Engenharia Elétrica

Files in This Item:

File	Description	Size	Format
monopoli10007620.pdf		2.37 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository