Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Amorim, Aline J. [UNESP] | - |
Autor(es): dc.creator | Abreu, Thays A. [UNESP] | - |
Autor(es): dc.creator | Tonelli-Neto, Mauro S. [UNESP] | - |
Autor(es): dc.creator | Minussi, Carlos R. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:23:40Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:23:40Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.epsr.2019.106096 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/198136 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/198136 | - |
Descrição: dc.description | A multinodal intelligent predictive method for electrical power systems has been developed. Knowing the electrical load accurately and in advance is essential for conducting studies in regard to the system operations, and to create strategies that improve the quality of the energy-supply for commercial, industrial, and residential consumers. The proposed method employs a supervised Fuzzy-ARTMAP neural network, using the new concept of reverse training, to forecast the global demand and load of several nodes of an electric network (multinodal load forecasting) up to 24 h ahead. To evaluate and test the proposed system, an application is presented that considers real historical data from a company in the electric sector. Results show that the reverse training reduces the error of the neural network, making the forecast more accurate, reliable, and very fast. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Electrical Engineering Department UNESP – São Paulo State University, Av. Brasil 56, PO Box 31 | - |
Descrição: dc.description | Electrical Engineering Department UNESP – São Paulo State University, Av. Brasil 56, PO Box 31 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Electric Power Systems Research | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Adaptive resonance theory | - |
Palavras-chave: dc.subject | Artificial neural networks | - |
Palavras-chave: dc.subject | Electrical power systems | - |
Palavras-chave: dc.subject | Multinodal load forecasting | - |
Título: dc.title | A new formulation of multinodal short-term load forecasting based on adaptive resonance theory with reverse training | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: