Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia...
Transcript of Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia...
![Page 1: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/1.jpg)
Universidade Federal do ParáCentro Tecnológico
Programa de Pós-Graduação em Engenharia Elétrica
Load Forecasting Using Support Vector Machines: A Study on EUNITE Competition 2001Bo-Juen Chen, Ming-Wei Chang, and Chih-Jen Lin
Departament of Computer Science and Information Engineering
National Taiwan University
Taipei 106, Taiwan ([email protected])
Yomara [email protected]
Dez/2004
![Page 2: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/2.jpg)
Conteúdo Conceitos gerais sobre Previsão de carga
Conceitos gerais de SVM - Support Vector Machines
Breve comentário sobre EUNITE COMPETITION 2001
Previsão de carga usando SVM: estudo de caso EUNITE COMPETITION 2001 .
Previsão de carga usando RN: Estudos comparativos
![Page 3: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/3.jpg)
Conceitos gerais sobre Previsão de carga
Definição Passo essencial na operação e planejamento de uma companhia de
serviço público;
Ajuda na tomada de decisões importantes: geração de energia elétrica distribuição de carga desenvolvimento de infra-estrutura
Extremamente importante para instituições financeiras, distribuidores de energia e demais participantes na geração, transmissão e distribuição de energia elétrica.
Previsões a curto prazo podem ajudar a estimar o fluxo de carga e a tomar decisões de prevenção de sobrecarga.
Em economias não estáveis as decisões e investimentos são baseados em previsões de carga a longo prazo e são mais importantes que em lugares onde a economia é estável.
![Page 4: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/4.jpg)
Conceitos gerais sobre Previsão de carga Categorias
Previsão a curto prazo ( 1 hora, 1 semana) Para uma determinada região é possível predizer a carga
do próximo dia com precisão de aproximadamente 1-3%
Previsão a médio prazo (1 ano) Para esta mesma região é impossível ter a mesma taxa de
precisão caso deseja-se prever o pico de carga do próximo ano sem o conhecimento da previsão do clima.
Previsão a longo prazo (Mais de um ano) Análise dos dados históricos, baseados em um determinado
período.Varia de companhia para companhia.
![Page 5: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/5.jpg)
Conceitos gerais sobre Previsão de carga
Métodos de previsão
Técnicas estatísticas
Técnicas ou algoritmos de IA Regressão RNA Lógica fuzzy Sistemas especialistas
![Page 6: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/6.jpg)
Conceitos gerais sobre Previsão de carga
Modelos de previsão por categoria Médio e longo prazo
Modelo usuário-final: focaliza as diversas aplicações da eletricidade em residências, comércios e industrias. A demanda de eletricidade depende da demanda do cliente.
• Iluminação, aquecimento, refrigeração, etc.
Modelo econômico: combinam teoria estatística e economia para previsão da demanda elétrica. Estima a energia consumida e os fatores que influenciam o consumo (método séries temporais)
• Renda per capita
![Page 7: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/7.jpg)
Conceitos gerais sobre Previsão de carga
Modelos de previsão por categoria Curto prazo
Técnicas estatísticas e IA Regressão linear Séries Temporais RNA Sistemas especialistas Lógica fuzzy SVM
![Page 8: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/8.jpg)
Conceitos gerais sobre Previsão de carga Fatores importantes para previsão
Fator tempo: ano dias da semana, feriados e fins de semana hora do dia
Fator clima: Temperatura Umidade Índice de temperatura-unidade e wind chill index
Categoria do cliente: residencial comercial industrial
![Page 9: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/9.jpg)
Conceitos gerais sobre Previsão de carga
Fatores importantes para previsão/categoria
Curto-prazo: clima, tempo, categoria do cliente
Médio e longo prazo: dados históricos de carga e clima, número de clientes em diferentes categorias, área de aplicação e suas características (economia, geografia, etc.)
![Page 10: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/10.jpg)
Conceitos gerais sobre SVM É a mais recente técnica para solução de problemas de classificação,
regressão, estimação de funções, análises de séries temporais e análises de variâncias.
Baseiam-se no método de minimização estrutural de risco que é fundamentado na teoria da dimensão.
Basicamente, uma SVM é uma máquina linear cuja idéia principal é construir um hiperplano como superfície de decisão de tal forma que margem de separação entre exemplos de uma classe e outra seja máxima.
Linearmente separáveis
não linearmente separáveis
Chen et.al. Propuseram o modelo SVM para predição da demanda de carga diária em um mês. (campeão Eunite 2001)
![Page 11: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/11.jpg)
Conceitos gerais sobre SVM
Hiperplano (linearmente separável):
![Page 12: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/12.jpg)
Conceitos gerais sobre SVM
Hiperplano (linearmente separável):
>=
<=
![Page 13: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/13.jpg)
Conceitos gerais sobre SVM
Hiperplano (linearmente separável):
•usando w no lugar de wo. O problema de otimização restrito que temos que resolver é, então, encontrar os valores ótimos de w e b de modo que satisfaçam as restrições di (wTxi + b)> = 1 para i = 1, 2, …, N
•problema de otimização é chamado de problema primordial e é resolvido através da aplicação do método dos multiplicadores de Lagrange.
![Page 14: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/14.jpg)
Conceitos gerais sobre SVM
Hiperplano ( não linearmente separável):
![Page 15: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/15.jpg)
Conceitos gerais sobre SVM
Hiperplano ( não linearmente separável):
O problema que temos que resolver é encontrar os valores ótimos de w e b de modo que satisfaçam as restrições:
0(( ) ) 1i i iy w w x
0(( ) ) 1i i iy w w x
o desvio de um ponto dado dacondição ideal de separabilidade entre as classes
![Page 16: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/16.jpg)
Eunite Competition 2001 Em 2001 a Eunite (European Network on Intelligent Tecnologies for
Smart Adaptative Systems) organizou uma competição mundial em previsão de carga.
Dada a temperatura e a carga dos anos de 1997 a 1998, os competidores tinham que prever a máxima carga diária no mês de janeiro de 1999.
Os dados fornecidos ao competidores: Conjunto de dados de carga (medida diariamente a cada meia
hora durante os anos de 97 a 98)
Conjunto de dados de temperatura (media diária de temperatura de 95 a 98)
Datas dos feriados de 97 a 98
![Page 17: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/17.jpg)
Previsão de carga usando SVM análise dos dados
Propriedades da demanda de carga: carga x clima
Alta demanda no inverno e baixa no verão
![Page 18: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/18.jpg)
Previsão de carga usando SVM análise dos dados
Propriedades da demanda de carga: periodicidade
A demanda de carga nos fins de semana é menor que nos
dias de semana
A demanda aos sábados é um pouco maior que aos domingos.
![Page 19: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/19.jpg)
Previsão de carga usando SVM análise dos dados
Influência climática
Correlação negativa (-0,868) entre demanda de carga e temperatura. (alta temperatura causa baixa demanda)
![Page 20: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/20.jpg)
Previsão de carga usando SVM análise dos dados
Feriados, festividades e eventos locais
Estas datas afetam a demanda de carga podendo aumentá-la ou diminuí-la.
Datas especiais com natal e ano novo afetam mais que os outros feriados
![Page 21: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/21.jpg)
Previsão de carga usando SVM preparação dos dados
Seleção dos atributos de entrada no modelo SVM
Atributos de calendário: datas e feriados são facilmente conhecidas e, podem ser codificadas sem problemas
Atributos de temperatura:a temperatura de jan/99 não é fornecida foi utilizada outra SVM para predizer a temperatura atual (baseado nos 7 dias passados).
Séries temporais: demanda de carga passada
![Page 22: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/22.jpg)
Previsão de carga usando SVM metodologia utilizada
Atributos codificados e usados no modelo SVM
7 atributos para a maior carga nos 7 dias passados
7 atributos binários indicando os dias da semana
1 atributo binário que indica ou não presença de feriados
1 atributo para a média diária de temperatura (jan/99)
![Page 23: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/23.jpg)
Previsão de carga usando SVM metodologia utilizada
Após escolha e codificação o modelo SVM foi treinado da seguinte maneira:
depois de obtida a carga de 1 de jan/99, esta será utilizada juntamente com as cargas de 26 a 31 de dez/98 para predição de 2 jan/99.
O modelo continua até encontrar a carga de 31 de jan/99.
![Page 24: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/24.jpg)
Previsão de carga usando SVM metodologia utilizada
Após escolha e codificação o modelo SVM foi treinado da seguinte maneira:
os dados foram separados em dois conjuntos:
Jan/98 para teste
Demais para treino
![Page 25: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/25.jpg)
Previsão de carga usando SVM Resultados
![Page 26: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/26.jpg)
Previsão de carga usando SVM Resultados
![Page 27: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/27.jpg)
Previsão de carga usando SVM Resultados
![Page 28: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/28.jpg)
Previsão de carga usando SVM Resultados
![Page 29: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/29.jpg)
Previsão de carga usando SVM Resultados
![Page 30: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/30.jpg)
Previsão de carga usando Rede Neural Resultados obtidos durante estudo do paper
a medição real (jan/97). a medição encontrada.
![Page 31: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/31.jpg)
Previsão de carga usando Rede Neural Resultados obtidos durante estudo do paper
Passos: Fase 1
Criação do programa TrainAndTestRegressor que treina a partir de um arquivo e testa com outro arquivo utilizando um classificador do weka do pacote spock. weka.classifiers.neural.NeuralNetwork.
Fase 2
Esta fase foi dividida em três simulações modificando os parâmetros do classificador em cada uma delas. A medida de avaliação do regressor foi feita de acordo com os critérios de avaliação da competição:
![Page 32: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/32.jpg)
Previsão de carga usando Rede Neural Resultados obtidos durante estudo do paper
![Page 33: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/33.jpg)
Previsão de carga usando Rede Neural Resultados obtidos durante estudo do paper
MAX ERRORS
![Page 34: Universidade Federal do Pará Centro Tecnológico Programa de Pós-Graduação em Engenharia Elétrica Load Forecasting Using Support Vector Machines: A Study.](https://reader036.fdocuments.in/reader036/viewer/2022062700/552fc12c497959413d8d1adf/html5/thumbnails/34.jpg)
Referências
Chapter 12LOAD FORECASTINGEugene A. FeinbergState University of New York, Stony [email protected] GenethliouState University of New York, Stony [email protected]