Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Carpinteiro, Otávio Augusto Salgado | - |
Autor(es): dc.creator | Reis, Agnaldo José da Rocha | - |
Autor(es): dc.creator | Silva, Alexandre Pinto Alves da | - |
Data de aceite: dc.date.accessioned | 2019-11-06T13:24:00Z | - |
Data de disponibilização: dc.date.available | 2019-11-06T13:24:00Z | - |
Data de envio: dc.date.issued | 2012-06-19 | - |
Data de envio: dc.date.issued | 2012-06-19 | - |
Data de envio: dc.date.issued | 2004 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/123456789/877 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/554591 | - |
Descrição: dc.description | This paper proposes a novel neural model to the problem of short-term load forecasting (STLF). The neural model is made up of two self-organizing map (SOM) nets—one on top of the other. It has been successfully applied to domains in which the context information given by former events plays a primary role. The model was trained on load data extracted from a Brazilian electric utility, and compared to a multilayer perceptron (MLP) load forecaster. It was required to predict once every hour the electric load during the next 24 h. The paper presents the results, the conclusions, and points out some directions for future work. | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | O Periódico Applied Soft Computing concede permissão para depósito do artigo no Repositório Institucional da UFOP. Número da licença: 3291280500461. | - |
Palavras-chave: dc.subject | Short-term load forecasting | - |
Palavras-chave: dc.subject | Self-organizing map | - |
Palavras-chave: dc.subject | Neural network | - |
Título: dc.title | A hierarchical neural model in short-term load forecasting | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: