Load Prediction in Smart Grids with Radiofrequency-Based and other Power Sources: How do Autoregressive Algorithms and Neural Networks Perform

Este livro analisa uma pesquisa realizada entre 2012 e 2014 sobre previsão de carga elétrica com três fontes de energia inovadoras: reciclagem de luz interna, enguias elétricas e energia de irradiação EM de antenas RF. Originada da dissertação de mestrado da Universidade de Brasília, intitulada “Previsão Espaço-Temporal dos Sistemas de Energia Elétrica Incluindo Fontes de Energia Renováveis Emergentes”, a obra rediscute esses vetores energéticos alternativos e explora ferramentas de previsão para carga elétrica.

Destaca-se a análise de séries temporais e espaciais, empregando métodos matemáticos e algoritmos, incluindo modelos autoregressivos e redes neurais artificiais. O foco especial é dado à seção sobre colheita de energia RF, identificada como a mais promissora entre as fontes estudadas. O livro, intitulado “Previsão de Carga em Redes Inteligentes com Fontes de Energia Baseadas em Radiofrequência e Outras”, apresenta essas tecnologias emergentes como alternativas viáveis na geração de energia.

Jayme Milanezi Junior

É graduado em Engenharia Elétrica pelo Instituto Militar de Engenharia (IME-2004), Mestre (2014) e Doutor (2019) em Engenharia Elétrica pela Universidade de Brasília. Cursou parte de seu Doutorado na modalidade Sanduíche na Universidade Técnica de Ilmenau, Alemanha, tendo publicado artigos em conjunto como 1o autor. Sua pesquisa está situada em campos diversos, como processamento digital de sinais, reciclagem de energia, aplicações em criptografia e proteção de privacidade de usuários em Redes Elétricas Inteligentes (ou Smart Grids). Atualmente trabalha na Secretaria de Inovação e Transição Energética da Agência Nacional de Energia Elétrica (STE/ANEEL) e também como Professor na Universidade do Distrito Federal (UnDF) na cadeira de Rede de Computadores II.