
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 | Teixeira, Marcelo | - |
| Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
| Autor(es): dc.contributor | Casanova, Dalcimar | - |
| Autor(es): dc.contributor | Teixeira, Marcelo | - |
| Autor(es): dc.creator | Chella, Marcelo | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:45:58Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:45:58Z | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2022-11-09 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/31714 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1101460 | - |
| Descrição: dc.description | Nowadays, most of the research and project in the energy field are based on software as a primary tool. The use of this type of approach makes it possible to research, simulate, study and easily change the parameters of a given system, enabling easy and less expensive research on the matter. Within this scope are the economic, environmental and engineering aspects of electrical networks. Following this model, the pandapower tool was developed to be a simulation tool for researchers and educators, easy to use and modify, keeping the created code simple to understand and modify. This toolbox is an open-source Python tool for modeling, analyzing and optimizing power systems with a high degree of automation, and also based on a tabular data structure from the Python pandas library. Applications for this tool are calculation of three-phase AC load flow, configuration/execution of system state estimation and AC load balancing (improving load distribution or resizing transformer points). Additionally, Reinforcement Learning (RL) algorithms can be used in tasks related to demand response analysis. This work aims to explore the applications of pandapower by modeling and calculating power flow on energy networks, as well as demonstrating the prediction of behavior of these networks in response to triggered events. Some Artificial Intelligence models based on Artificial Neural Networks (ANN) and Reinforcement Learning will be used for demonstrations of grid state prediction and exploration of photovoltaic generation scenarios in response to variable demand, and their results for the optimization of energy systems will be presented. | - |
| Descrição: dc.description | Atualmente, a maioria das pesquisas e projetos na área de energia se baseiam em software como ferramenta primária. O uso deste tipo de abordagem possibilita a pesquisa, simulação, estudo e fácil alteração de parâmetros de um determinado sistema, viabilizando as pesquisas e o aprendizado relacionados com facilidade e a custos menores. Nesse escopo, estão os aspectos econômicos, ambientais e de engenharia das redes elétricas. Dentro desta linha de ação, a ferramenta pandapower foi desenvolvida para ser um instrumento de simulação para pesquisadores e educadores, de fácil uso e modificação, mantendo o código criado simples de entender e modificar. Essa toolbox é uma ferramenta em Python de código aberto para modelagem, análise e otimização de sistemas de energia com alto grau de automação, e também baseada em uma estrutura de dados tabular da biblioteca Python pandas. As aplicações para esta ferramenta são o cálculo de fluxo de carga trifásico AC, a configuração/execução de estimativa de estado do sistema e balanceamento de carga AC (melhorando a distribuição de cargas ou redimensionando pontos de transformação). Adicionalmente, algoritmos de aprendizado por Aprendizado por Reforço (Reinforcement Learning, RL) podem ser utilizados nas tarefas relacionadas a análises de resposta à demanda. Este trabalho visa explorar as aplicações do pandapower fazendo a modelagem e cálculo de fluxo de potência em redes de energia, bem como a demonstrar a realização de previsões de comportamentos destas redes em relação a eventos. Alguns modelos de Inteligência Artificial baseados em Redes Neurais Artificiais e Aprendizado por Reforço serão usados para demonstrações de previsão de estado da rede e exploração de cenários de geração fotovoltaica em resposta a demanda variável, e seus resultados para a otimização de sistemas de energia serão apresentados. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Dois Vizinhos | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Especialização em Ciência de Dados | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | Attribution-ShareAlike 4.0 International | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Python (Linguagem de programação de computador) | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Artificial intelligence | - |
| Palavras-chave: dc.subject | Python (Computer program language) | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Estudo exploratório da biblioteca Python Pandapower e sua utilização em conjunto com Reinforcement Learning para análise e otimização de sistemas de energia | - |
| Título: dc.title | Exploratory study of the Python Pandapower library and its utilization in conjunction with Reinforcement Learning for analysis and optimization of energy systems | - |
| 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: