Avanço na aplicação de redes neurais para previsão de carga elétrica de curto prazo

Uma abordagem melhorada de rede neural para produzir previsões de carga elétrica de curto prazo é proposta. Uma estratégia adequada para selecionar os casos de treinamento para a rede neural é apresentada. Essa estratégia tem a vantagem de contornar o problema de feriados e mudanças drásticas nos padrões climáticos, que tornam as observações mais recentes candidatos improváveis para treinar a rede. Além disso, um algoritmo de rede neural aprimorado é proposto. Este algoritmo inclui uma combinação de termos lineares e não lineares que mapeiam as entradas anteriores de carga e temperatura para a saída da previsão de carga. A estratégia de busca e o algoritmo demonstram precisão aprimorada em relação a outros métodos quando testados usando dois anos de dados de concessionárias. Além de relatar as estatísticas resumidas da média e do desvio padrão do erro percentual absoluto, um método alternativo utilizando um gráfico de distribuição cumulativa para apresentar os resultados da previsão de carga é demonstrado.