Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Gifalli, André | - |
Autor(es): dc.creator | Amaral, Haroldo Luiz Moretti do | - |
Autor(es): dc.creator | Bonini Neto, Alfredo | - |
Autor(es): dc.creator | de Souza, André Nunes | - |
Autor(es): dc.creator | Frühauf Hublard, André von | - |
Autor(es): dc.creator | Carneiro, João Carlos | - |
Autor(es): dc.creator | Neto, Floriano Torres | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:30:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:30:50Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-10-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/asi7050100 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/303922 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/303922 | - |
Descrição: dc.description | With the growth of smart grids, consumers now have access to new technologies that enable improvements in the quality of service provided and allow new levels of energy efficiency. Much of this increase in energy efficiency is directly related to changes in consumption habits due to the quantity and quality of information made available by new technologies. At this point, short-term consumption forecasting can be considered an effective information tool in the search for better consumption patterns and energy efficiency. This paper presents prediction tests combining the result obtained from an artificial neural network and regression methods. The artificial neural network used was the Multilayer Perceptron (MLP), and its results were compared with polynomial regression techniques (first, second, and third degree), demonstrating the superiority of the network. The neural network has proven to be a highly effective tool for forecasting future data, demonstrating its ability to capture complex patterns in input data and produce accurate estimates. Additionally, the flexibility of neural networks in handling large volumes of data and their continuous adjustment capability further enhance their suitability as a robust tool for future predictions. The results corroborate the capacity of the methodology presented for short-term consumption forecasting. | - |
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 | School of Engineering São Paulo State University (Unesp), SP | - |
Descrição: dc.description | School of Sciences and Engineering São Paulo State University (Unesp), SP | - |
Descrição: dc.description | School of Engineering São Paulo State University (Unesp), SP | - |
Descrição: dc.description | School of Sciences and Engineering São Paulo State University (Unesp), SP | - |
Descrição: dc.description | CAPES: 88887.704285/2022-00 | - |
Descrição: dc.description | CNPq: 88887.704285/2022-00 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Applied System Innovation | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | artificial intelligence | - |
Palavras-chave: dc.subject | consumption forecasting | - |
Palavras-chave: dc.subject | electric energy | - |
Palavras-chave: dc.subject | polynomial regression | - |
Título: dc.title | Forecasting Electricity Consumption Using Function Fitting Artificial Neural Networks and Regression Methods | - |
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: