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.creator | Silva, Alexandre Pinto Alves da | - |
Autor(es): dc.creator | Reis, Agnaldo José da Rocha | - |
Autor(es): dc.creator | El-Sharkawi, Mohamed A. | - |
Autor(es): dc.creator | Marks II, Robert J. | - |
Data de aceite: dc.date.accessioned | 2019-11-06T13:24:32Z | - |
Data de disponibilização: dc.date.available | 2019-11-06T13:24:32Z | - |
Data de envio: dc.date.issued | 2012-07-24 | - |
Data de envio: dc.date.issued | 2012-07-24 | - |
Data de envio: dc.date.issued | 2001 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/123456789/1198 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/554759 | - |
Descrição: dc.description | The importance of Short-Term Load Forecasting (STLF) has increased, lately. With deregulation and competition, energy price forecasting has become a big business. Load bus forecasting is essential for feeding the analytical methods used for determining energy prices. The variability and nonstationarity of loads are getting worse due to the dynamics of energy tariffs. Besides, the number of nodal loads to be predicted does not allow frequent interventions from load forecasting specialists. More autonomous load predictors are needed in the new competitive scenario. Despite the success of neural network based STLF, techniques for preprocessing the load data have been overlooked. In this paper, different techniques for preprocessing a load series have been investigated. The main goal is to induce stationarity and to emphasize the relevant features of the series in order to produce more robust load forecasters. One year of load data from a Brazilian electric utility has been used to validate the proposed | - |
Idioma: dc.language | en | - |
Palavras-chave: dc.subject | Digital filters | - |
Palavras-chave: dc.subject | Neural networks | - |
Palavras-chave: dc.subject | Load Forescasting | - |
Título: dc.title | Enhancing neural network based load forecasting via preprocessing | - |
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: