Multinodal load forecasting using an ART-ARTMAP-fuzzy neural network and PSO strategy

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCiência e Tecnologia de Mato Grosso-
Autor(es): dc.contributorUFMT-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorAntunes, Juliana Fonseca-
Autor(es): dc.creatorDe Souza Araujo, Nelcileno Virgilio-
Autor(es): dc.creatorMinussi, Carlos Roberto-
Data de aceite: dc.date.accessioned2025-08-21T17:17:00Z-
Data de disponibilização: dc.date.available2025-08-21T17:17:00Z-
Data de envio: dc.date.issued2022-04-29-
Data de envio: dc.date.issued2022-04-29-
Data de envio: dc.date.issued2013-12-27-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/PTC.2013.6652373-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/227394-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/227394-
Descrição: dc.descriptionThis work presents a system based on Artificial Neural Networks and PSO (Particle Swarm Optimization) strategy, to multinodal load forecasting, i.e., forecasting in several points of the electrical network (substations, feeders, etc.). Short-term load forecasting is an important task to planning and operation of electric power systems. It is necessary precise and reliable techniques to execute the predictions. Therefore, the load forecasting uses the Adaptive Resonance Theory. To improve the precision, the PSO technique is used to choose the best parameters for the Artificial Neural Networks training. Results show that the use of this technique with a little set of training data improves the parameters of the neural network, calculated by the MAPE (mean absolute perceptual error) of the global and multinodal load forecasted. © 2013 IEEE.-
Descrição: dc.descriptionDepartamento de Informática Instituto de Educação Ciência e Tecnologia de Mato Grosso, Cuiabá-
Descrição: dc.descriptionInstituto de Computação Universidade Federal de Mato Grosso UFMT, Cuiabá-
Descrição: dc.descriptionDepartamento de Engenharia Elétrica UNESP Univ Estadual Paulista, Ilha Solteira-
Descrição: dc.descriptionDepartamento de Engenharia Elétrica UNESP Univ Estadual Paulista, Ilha Solteira-
Idioma: dc.languageen-
Relação: dc.relation2013 IEEE Grenoble Conference PowerTech, POWERTECH 2013-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectAdaptive Resonance Theory-
Palavras-chave: dc.subjectArtificial Neural Network-
Palavras-chave: dc.subjectMultinodal Load Forecasting-
Palavras-chave: dc.subjectParticle Swarm Optimization-
Título: dc.titleMultinodal load forecasting using an ART-ARTMAP-fuzzy neural network and PSO strategy-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.