| Revista: | Pesquisa operacional |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000313124 |
| ISSN: | 0101-7438 |
| Autores: | Christo, Eliane da Silva1 Souza, Reinaldo Castro |
| Instituciones: | 1Pontificia Universidade Catolica do Rio de Janeiro, Departamento de Engenharia Eletrica, Rio de Janeiro. Brasil |
| Año: | 2006 |
| Periodo: | May-Ago |
| Volumen: | 26 |
| Número: | 2 |
| Paginación: | 361-381 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en inglés | The forecasting of reactive and active power is an important tool in the monitoring of an Electrical Energy Systems. The present work has as main purpose the introduction of a new short-term reactive power hourly forecast technique by substations, based on the linearity between reactive and active power through linear regression. In order to improve the forecasting, distributed lags of powers are included in the simple model with a correction for serial autocorrelation (Iterative Method of Cochrane-Orcutt). Moreover as reactive power data have heterocedasticity behavior, the estimation method of the coefficients through least squares is not appropriate. For that reason, it is used a robust solution known as Iteratively Reweighted Least Squares Estimation (IRLS). The short-term reactive power forecast is divided two periods "in sample" and "out of sample". In order to increase the forecast results, it is necessary to reduce the sample dimension using a methodology to cluster of data. These clusters are classified via an unsupervised learning neural network Kohonen Self-Organized Map |
| Resumen en portugués | As previsões das potências ativa e reativa se constituem numa ferramenta de extremo valor na monitoração de Sistemas de Energia Elétrica. Com base nisso, este trabalho tem por objetivo, apresentar uma nova técnica de previsão horária de potência reativa a curto prazo, por subestação, baseado na linearidade existente entre as potências ativa e reativa, ou seja, a potência reativa pode ser explicada diretamente pela potência ativa através de uma regressão linear. A fim de melhorar o desempenho da previsão, são incorporadas ao modelo simples, variáveis defasadas das potências acopladas a uma correção para autocorrelação serial (Método Iterativo de Cochrane-Orcutt). E, além disso, como os dados de potência reativa apresentam comportamento heterocedástico, o método de estimação dos coeficientes do modelo por mínimos quadrados não se mostra adequado, por isso, foi utilizada uma solução robusta conhecida como mínimos quadrados reponderados iterativamente (IRLS). A previsão de potência reativa a curto-prazo é dividida em "in sample" e "out of sample", onde esta é aplicada a períodos horários em até um mês à frente. Com intuito de aumentar a precisão dos resultados, os dados são classificados através de uma rede neural não supervisionada conhecida como mapas auto-organizáveis de Kohonen (SOM) |
| Disciplinas: | Matemáticas, Ingeniería |
| Palabras clave: | Matemáticas aplicadas, Ingeniería eléctrica, Mínimos quadrados, Sistemas eléctricos, Potencia reactiva, Mapas autoorganizables de Kohonen, Estadística |
| Keyword: | Mathematics, Engineering, Applied mathematics, Electrical engineering, Least squares, Electric systems, Reactive power, Kohonen self-organized maps, Statistics |
| Texto completo: | Texto completo (Ver HTML) |
