Logo do repositório
  • Navegar por
    • Comunidades e Coleções
    • Autor
    • Título
    • Assunto
    • Orientador(a)
    • Cursos
    • Tipo de Documento
  • Instruções
    • Para autores (submissão)
    • Tutoriais
    • Orientações para normalização
  • Sobre
    • Apresentação
    • Documentos
  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Gomes, Victor Silveira"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Carregando...
    Imagem de Miniatura
    ItemAcesso aberto (Open Access)
    Modelos baseados em aprendizado de máquina para geração de séries sintéticas do setor elétrico
    (Universidade Federal de Alfenas, 2018-06-18) Gomes, Victor Silveira; Salgado, Ricardo Menezes; Gonzaga, Flávio Barbieri; Ohishi, Takaaki
    O Brasil tem como principal fonte de fornecimento de energia a hidroelétrica, devido principalmente à sua grande capacidade hídrica. Entender o comportamento das vazões de suas bacias é um fator fundamental para otimização da produção desse tipo energia, porém os dados históricos presentes são limitados, tornando-se um empecilho para o estudo, dado a importância dele no planejamento da produção de energia elétrica. Uma solução que vem sendo utilizada na literatura recente é a geração de série sintética. Neste trabalho, as seguinte técnicas foram utilizadas para geração sintética das vazões dos postos de Água Vermelha e Volta Grande: o SynTise, modelo apresentado em Denaxas et al. (2015), máquinas de vetores de suporte (SVM), redes neurais multicamadas (MLP), random forest (RF) e o modelo autorregressivo (AR). Foram geradas séries sintéticas equivalentes a 2000 anos em ambos reservatórios. O trabalho analisou quatro diferentes propostas para a seleção do componente aleatória dos modelos AR, MLP, SVM e RF que são: através de uma distribuição de probabilidade simétrica, através de uma distribuição de probabilidade assimétrica, pela ordem cronológica e através dos resíduos estimados. As novas propostas de componentes aleatórios e o método de seleção clássico, a seleção aleatória dos resíduos, foram avaliadas para os dois postos, assim como o SynTise, que foi ajustado para gerar séries sintéticas mensais para vazão dos reservatórios. Os resultados mostraram que, para os dois postos avaliados, modelos com componente aleatória ao longo do tempo foram opções melhores que o modelo clássico de componente aleatória selecionada aleatoriamente em todos as técnicas avaliadas. Na comparação entre os melhores resultados de cada técnicas, obteve-se que para o posto de Volta Grande, o SVM apresentou os melhores resultados, enquanto para Água Vermelha, o MLP foi melhor entre todos os modelos.

Nossas redes

Logo do repositório

Universidade Federal de Alfenas (UNIFAL-MG)

Sistema de Bibliotecas

E-mail: repositorio@unifal-mg.edu.br

DSpace software copyright © 2002-2025 LYRASIS

  • Configurações de Cookies
  • Política de Privacidade
  • Termos de Uso

Desenvolvido por

Logo acervos digitais