Modelo de previsão dos consumos na RNT considerando a Produção Distribuída

Desenvolvimentos Futuros

 

A previsão de curto prazo utilizando as RNA está sempre em contante mudança, pois novos estudos apresentam novos factos que contribuem para melhorar os modelos desenvolvidos. Diferentes conjuntos de algoritmos e entradas para as RNA, podem ditar melhores resultados. Apesar do modelo proposto nesta dissertação se revelar eficaz, sugere-se para desenvolvimentos futuros alguns pontos que podem ser estudados, para que o modelo de previsão possa ser ainda mais preciso.

 

Para tal se destaca: 

 

• Desenvolvimento de um método que indique à rede neuronal que ocorreu uma transferência de carga, e quantificar a carga transferida.

• Realizar o treino para todas as subestações. Neste estudo apenas foram criadas redes para 10 subestações num total de 63. 

•  Efetuar o estudo das variáveis justificativas por subestação, devido ao erro variar de subestação para subestação. Cada rede neuronal deve ser adaptada especificamente para cada subestação.  

• Aferir a longevidade de cada rede treinada, para garantir que o erro de previsão se mantém dentro dos valores aceitáveis.

• Realizar um estudo para as subestações que se encontram em malha fechada. Estas devem encarar-se como uma só subestação e posteriormente efetuar-se uma divisão por percentagem de consumo por subestação.