
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 | Schmidt, Carla Adriana Pizarro | - |
| Autor(es): dc.contributor | Deina, Carolina | - |
| Autor(es): dc.contributor | Schmidt, Carla Adriana Pizarro | - |
| Autor(es): dc.contributor | Berghauser, Neron Alipio Cortes | - |
| Autor(es): dc.contributor | Santos, José Airton Azevedo dos | - |
| Autor(es): dc.creator | Marzochi, Alexandre | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:34:23Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:34:23Z | - |
| Data de envio: dc.date.issued | 2024-09-24 | - |
| Data de envio: dc.date.issued | 2024-09-24 | - |
| Data de envio: dc.date.issued | 2022-06-21 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/34872 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1115592 | - |
| Descrição: dc.description | The socioeconomic development of countries like Brazil, is directly related to the amount of electricity consumed by them. In order for these countries to continue developing, plans and strategies about the energy sector must be developed, thus, imbalances between the supply and demand of electricity can be avoided. With the objective of providing information to assist in the decision-making process of the electric power sector in Brazil, this work will propose as a methodology the comparison between performance of demand forecasting models, namely: Exponential Smoothing (SE); Auto Regressive (AR); Integrated Auto-regression of Moving Averages (ARIMA); and Multilayer Perceptron Neural Network (MLP). For validation of predictive models, a time series of electricity consumption in Brazil will be collected. As a result, the MLP neural network outperformed traditional statistical models, confirming its power of universal approximation of functions. | - |
| Descrição: dc.description | O desenvolvimento socioeconômico de países como Brasil, está relacionado diretamente com o montante de energia elétrica por eles consumido. Para que esses países continuem em desenvolvimento, devem ser elaborados planejamentos e estratégias acerca do setor energético, assim, desequilíbrios entre a oferta e demanda de energia elétrica podem ser evitados. Tendo como objetivo fornecer informações que auxiliem no processo de tomada de decisão do setor de energia elétrica no Brasil, nesse trabalho foi proposto como metodologia a comparação entre desempenhos dos modelos de previsão de demanda, a saber: Suavização Exponencial (SE); Autoregressivo (AR); Autoregressivo Integrado de Médias Móveis (ARIMA); e Rede Neural Perceptron de Múltiplas Camadas (MLP). Para validação dos modelos preditivos, uma série temporal do consumo de energia elétrica do Brasil foi coletada. Como resultados, a rede neural MLP superou os modelos estatísticos tradicionais, confirmando o seu poder de aproximação universal de funções. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Medianeira | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Engenharia de Produção | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Palavras-chave: dc.subject | Análise de séries temporais | - |
| Palavras-chave: dc.subject | Energia elétrica - Consumo | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Time-series analysis | - |
| Palavras-chave: dc.subject | Electric power consumption | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
| Título: dc.title | Comparação de desempenho entre modelos lineares e redes neurais artificiais para previsão da demanda de energia elétrica | - |
| Título: dc.title | Comparison of performance between linear models and artificial neural networks for forecast of electric energy demand | - |
| 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: