Título: Previsão de Carga Baseada em Ensemble de Modelos Inteligentes
Autores: Domingos S. de O. Santos Júnior, João F. L. de Oliveira, Hugo Siqueira, Manoel Marinho, Francisco Madeiro, Marcos de Almeida Leone Filho, Paulo S. G. de Mattos Neto
Resumo: A previsão de demanda de carga é uma etapa fundamental no planejamento e operação do sistema elétrico nacional, em virtude da minimização dos custos que ela pode trazer. Isto é particularmente importante tendo em vista que outras etapas também são dependentes de tal previsão, como análise do fluxo de potência, despacho econômico e estabilidade do sistema. Tradicionalmente, modelos únicos são utilizados para solução deste problema. Entretanto, esta abordagem pode alcançar uma configuração que leve a um baixo desempenho na modelagem de séries temporais reais. Neste contexto, neste trabalho é proposta a aplicação de um ensemble evolucionário de preditores com o objetivo de maximizar o desempenho dos preditores individuais. O método proposto lança mão de um Algoritmo Genético (AG) para treinar automaticamente os componentes do ensemble, utilizando um processo de validação cruzada para geração de diversidade. São discutidas duas versões que empregam, respectivamente, redes neurais do tipo Perceptron de Múltiplas Camadas (MLP) e Máquina de Vetores de Regressão (SVR) na aplicação de quatro séries temporais, as quais correspondem à demanda de carga diária dos subsistemas brasileiros. A análise experimental considerando três diferentes horizontes de previsão mostra que o ensemble evolucionário alcançou maior acurácia que modelos tradicionais da Estatística e da Computação Inteligente.
Palavras-chave: Previsão de carga, redes neurais artificiais, ensemble
Páginas: 7
Código DOI: 10.21528/CBIC2019-114
Artigo em pdf: CBIC2019-114.pdf
Arquivo BibTeX: CBIC2019-114.bib