
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 | Siqueira, Hugo Valadares | - |
| Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
| Autor(es): dc.contributor | Corrêa, Fernanda Cristina | - |
| Autor(es): dc.contributor | Martins, Marcella Scoczynski Ribeiro | - |
| Autor(es): dc.creator | Oliveira, Victor Cesar Simões de | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:33:13Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:33:13Z | - |
| Data de envio: dc.date.issued | 2025-07-10 | - |
| Data de envio: dc.date.issued | 2025-07-10 | - |
| Data de envio: dc.date.issued | 2025-02-21 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37421 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1097535 | - |
| Descrição: dc.description | The importance of electric power in people’s lives is undeniable, as it contributes to the development and well-being of a society. Therefore, it is necessary to seek methods and tools to ensure safe planning for the supply of electric power to the population. Thus, this work proposes the use of Artificial Neural Networks (ANN) for this purpose. Multiple Layer Perceptron (MLP), Radial Basis Function (RBF), Extreme Learning Machine (ELM), Echo State Network (ESN), and Long-Short Term Memory (LSTM) neural networks were developed to forecast time series of electric power demand for the states of Paraná, Santa Catarina, and Rio Grande do Sul. The results obtained show the feasibility of the proposal, as all the networks achieved good results, presenting acceptable errors and generating prediction curves consistent with reality, with the MLP being the network with the best predictability. | - |
| Descrição: dc.description | A importância da energia elétrica na vida das pessoas é inegável, pois ela contribui para o desenvolvimento e bem-estar de uma sociedade. Por isso, é necessário buscar métodos e ferramentas a fim de se ter um planejamento para o fornecimento seguro de energia elétrica para a população. Assim sendo, neste trabalho foi proposto a utilização de Redes Neurais Artificiais (RNA) para tal. Foram desenvolvidas RNAs do tipo Perceptron de Múltiplas Camadas (MLP), Funções de Base Radial (RBF), Máquina de Aprendizado Extremo (ELM), Máquina de Estado de Eco (ESN) e Memória de Longo-Curto Prazo (LSTM) para realizar a previsão de séries temporais de demanda de energia elétrica para os estados do Paraná, de Santa Catarina e do Rio Grande do Sul. Os resultados obtidos mostram a viabilidade da proposta, pois todas as redes obtiveram bons resultados, apresentando erros aceitáveis e gerando curvas de previsão condizentes com a realidade, sendo a MLP a rede com a melhor previsibilidade. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Ponta Grossa | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Departamento Acadêmico de Engenharia Elétrica | - |
| Publicador: dc.publisher | Engenharia Elétrica | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Energia elétrica - Consumo | - |
| Palavras-chave: dc.subject | Análise de séries temporais | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Electric power consumption | - |
| Palavras-chave: dc.subject | Time-series analysis | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
| Título: dc.title | Previsão de demanda de energia elétrica com a utilização de redes neurais artificiais | - |
| Título: dc.title | Forecasting of electric energy demand utilizing artificial neural networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
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: