apresentação - sistemas inteligentes

8/8/2019 Apresentao - Sistemas Inteligentes

1/16

Sistemas Multi-Agentes com programao Quantic

Disciplina: Sistemas Inteligentes Aplicados

Professora: Marley Maria B. R. Vellasco

Aluno: Eduardo Dessupoio Moreira Dias


2/16

Lgica FuzzyJulho - 2010

ndice

Introduo

Descrio do Problema

Objetivos Modelagem ANFIS

Resultados Obtidos

Consideraes Finais

Referncias


3/16

1. INTRODUO:

Atualmente, empresas que desejam estar bem posicionadas no mercado devemdesenvolver bons mecanismos para a tomada de decises.

O setor de energia eltrica tem observado uma crescente expanso da rea de gesto

de riscos, principalmente aps a liberao e estmulo da competio na indstria de

energia.

Peculiaridades do setor de energia eltrica:

Produo e utilizao da energia de forma quase que simultnea;

Sem possibilidade de armazenamento;

Sem grandes espaos de tempo para o planejamento.

Fatores Climticos: extrema importncia para a tomada de deciso em uma

companhia de energia eltrica



4/16

2. CONTEXTUALIZAO DO PROBLEMA:

As concessionrias de energia eltrica compram energia baseada na demanda futura.

A Aneel permite um erro de at 3% quando o valor estimado para previso

de carga est superestimado

O clima (temperatura, precipitao, umidade relativa do ar) afeta, principalmente, o

consumo de energia eltrica das classes residencial e comercial

A Light, concessionria caracterizada pelo consumo destas duas classes, necessita

prever, de forma adequada, os fatores climticos

Minimizar seus riscos e maximizar seus lucros;

Maiores fluxos de caixa e, conseqentemente, maiores volumes de

investimentos;

Maiores benefcios para seus clientes.



5/16

3. OBJETIVO PRINCIPAL:

O objetivo principal deste trabalho criar um modelo univariado, utilizando ametodologia ANFIS, para a previso mensal da sensao trmica do microclima

selecionado



6/16

4. Modelagem ANFIS(Metodologia):

Escolha do Microclima a ser estudado:


L GAR E AAZUL

BARRA A T JUCA GLORA

BOTAFOGO GRAJAUCATETE JACARE AGUA

CATUMB ECH CHA

CE TRO(RJ E R A E GUARAT BA

C ADE DE DEUS PRACADA BANDE RA

C DADE NOVA RO COMPRDO

CUR C CA SANTA TERESA

ESTAC O SAUDEFREGUESIA TIJUCA

GAMBOAFo te: Ela orao Prpria dos Autores

Re ie d Ri de J eir


7/16

4. Modelagem ANFIS(Metodologia):

Dados de sensao trmica utilizados so mensais, do perodo compreendido de

janeiro de 1998 a dezembro de 2009 para o referido Microclima.



8/16

4.Modelagem ANFIS(Metodologia):

Sistemas Fuzzy no possuem a capacidade de aprender suas prprias regras e nem

otimizar seus parmetros para modelar especificamente um problema.

Para tal, ser utilizado um modelo de Redes Neurais, dando origem aos chamad

ANFIS ( Adaptative Neuro-Fuzzy Inference System).

Tais sistemas conseguem conjugar a capacidade de aprendizado das Redes Neura

com o processamento de variveis lingusticas dos modelos Fuzzy



9/16

4.Modelagem ANFIS(Metodologia):



10/16


5. Resultados Obtidos:

Defasagens utilizadas D1 D1 D2D1 D2

D3D1 D12

D1 D2

D12

MAPE treino 2,32 1,86 1,68 1,62 1,42

MAPE validao 1,75 1,39 1,14 1,41 1,39

MAPE teste 3,41 3,33 2,54 3,24 3,97


11/16



Treinamento: Real x Estimado


12/16



Validao : Real x Estimado


13/16



Teste : Real x Estimado


14/16



In sample Out of Sample

ANFIS 1,68% 2,54%Box & Jenkins 3,15% 6,6%


15/16

6. Comentrios Finais:

Os resultados obtidos neste estudo mostram a aplicabilidade dos modelos ANFISpreviso de Sensao Trmica mensal para o Setor de Energia Eltrica;

Vantagens:

Bons ajustes in sample e out of sample

ANFIS x Box & Jenkins : ANFIS

Recomendaes Futuras:

Insero de outras variveis relevantes ao modelo.



16/16

7. REFERNCIAS:

[1] G. B. SILVA, R. R. B. AQUINO, A. A. FERREIRA, M. M. S. LIRA, M. A. CARVALHO Jr., O.

NOBREGA, J. B. OLIVEIRA. Combinando redes neurais artificiais e ANFIS para a previso de cargahorria. So Paulo: DCC/IM, COPPE/Sistemas, NCE/UFRJ, 1998.

[2] MORETTIN, P.A.; TOLOI, C.M. de Castro. Previso de Sries Temporais. 2a edio, EditoraAtual. So Paulo. 1987.

[3] JANG, J.R. ANFIS : Adaptive-Network-BasedFuzzy Inference System. Electric Power SystemsResearch, IEEE Transactioms onsystems, Vol. 23, No 3, pp. 169-176 , 1993.

[4] SOUZA, R.C.; CAMARGO, M.E.Anlise e previso de sries temporais: os modelos ARIMA.

Iju: SEDIGRAF, 1996.

[5] VELLASCO, M. M. B. R. Notas de aula da disciplina Lgica Fuzzy. PUC-Rio, Departamento deEngenharia Eltrica, 2008.

[6] VELSQUEZ, R.M.G.; PESSANHA, J.F.M. Previso de Carga Semanal com RNA: AExperincia da Coelba. XVI Seminrio Nacional de Distribuio de Energia Eltrica, 2004.

[7] VIGLIONI, G. M. C. Comparao entre redes neurais e tcnicas clssicas para previso dedemanda de transporte ferrovirio. Revista ICA on line, n1.

[8] ZANINI, A. Redes Neurais e Regresso Dinmica: um modelo hbrido para previso de curtoprazo da demanda de gasolina automotiva no Brasil. PUC-Rio, Dissertao de Mestrado em EngenhariaEltrica, 2000.

apresentação - sistemas inteligentes

Documents