XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: REACTIVE POWER FORECASTING Autor: ELIANE DA SILVA CHRISTO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
REINALDO CASTRO SOUZA - ADVISOR
Nº do Conteudo: 7622
Catalogação: 28/12/2005 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7622@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7622@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.7622
Resumo:
Título: REACTIVE POWER FORECASTING Autor: ELIANE DA SILVA CHRISTO
Nº do Conteudo: 7622
Catalogação: 28/12/2005 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7622@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=7622@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.7622
Resumo:
The forecasting of reactive and active power is an
important tool in the
monitoring of an Electrical Energy System. The main
purpose of the present work
is the development of a new short-term reactive power
hourly forecast technique,
which can be used at utility or substations levels. The
proposed model, named A
Hybrid Model for Reactive Forecasting, is divided in two
stages. In the first
stage, the active and reactive power data are classified
by an unsupervised neural
network - the Self-Organized Maps of Kohonen (SOM). In the
second stage, a
Autoregressive Distributed Lags Model (ADL) is used with
its parameters
estimated by an Iteratively Reweighted Least Square
(IRLS). It also includes a
correction lag structure for serial autocorrelation of the
residuals as used in the
Cochrane-Orcutt formulation. The short term reactive power
forecasting is
divided in in sample and out of sample. The out of sample
forecast is
applied to hourly periods until one month ahead. The
proposed model is applied to
real data of one substation and the results are compared
with two other
approaches, a conventional Dynamic Regression and a
Feedforward Multi-layer
Perceptron (MLP) Artificial Neural Network model.
Descrição | Arquivo |
COVER, ACKNOWLEDGEMENTS, RESUMO, ABSTRACT, SUMMARY AND LISTS | |
CHAPTER 1 | |
CHAPTER 2 | |
CHAPTER 3 | |
CHAPTER 4 | |
CHAPTER 5 | |
CHAPTER 6 | |
REFERENCES AND ANNEX |