Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos

Detalhes bibliográficos
Autor(a) principal: Silva, Rodolfo António Vieira da
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/88577
Resumo: Dissertação de mestrado integrado em Engenharia Informática
id RCAP_0cf71c2209ce8745bd420ed359fa3f8f
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/88577
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricosArtificial intelligence applied to the charging infrastructure for electric vehiclesMachine learningMobilidade elétricaProblemas de previsãoSéries temporaisElectric mobilityForecasting problemsTime seriesEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Engenharia InformáticaA capacidade de resolução de problemas pela Inteligência Artificial encontra-se em constante ex pansão, pelo que a otimização do seu funcionamento em sociedade está dependente da capacidade de extração das aplicabilidades da tecnologia. Uma das áreas da Inteligência Artificial em que tem sido visível uma evolução significativa é a de Machine Learning, cujos algoritmos têm revelado um crescente nível de especialização na resolução de diversos problemas. Na presente dissertação, pretendeu-se construir um modelo capaz de auxiliar na recomendação de configurações ideais para novas estações de carga para veículos elétricos, com a assistência de modelos de Machine Learning. A revisão da literatura revelou uma extensiva análise sobre problemas de previsão na área de Machine Learning, pelo que algoritmos tradicionais de Machine Learning e algoritmos da subárea de Deep Learning se demonstram adequados para a resolução do problema proposto nesta dissertação. O dataset empregue neste projeto, com dados referentes a Portugal, foi construído com a assistência de diversas API e, posteriormente ao seu tratamento, foram aplicados seis algoritmos de Machine Learning, com o intuito de treinar um modelo que conseguisse prever a utilização futura de postos de carga. De entre os algoritmos avaliados, o Random Forest Regressor e eXtreme Gradient Boosting são aque les que apresentam maior capacidade na resolução do problema em questão, com um MAE 6.6220 e 6.6310, respetivamente. O modelo de Random Forest Regressor é aquele que melhor se adequou para a previsão de utilização futura dos postos de carga, tendo sido utilizado para a construção do modelo de recomendação.The ability to solve problems through the use of Artificial Intelligence finds itself in constant expansion, its proper use in society at large is dependent on our ability to properly put this technology to use. One of the fields of Artificial Intelligence where significant progress has been noted, is the field of Machine Learning, where it’s algorithms have found themselves showing an increasing level of specialization in solving diverse tasks. In this dissertation, the main goal was to build a model capable of advising the user of ideal arrange ments for electric vehicle charging stations, with the assistance of Machine Learning models. The literature review revealed that there have been extensive studies about forecasting problems within the field of Ma chine Learning, where both Machine Learning algorithms and Deep Learning algorithms are up to the task presented in dissertation. The employed dataset used within this dissertation focused on Portugal. Its construction was assisted through the use of several different API that allowed garnering the necessary data. Six Machine Learning algorithms were applied, the intent was to build a model that could predict occupancy rates for electric vehicle charging stations. Of the six, Random Forest Regressor and eXtreme Gradient Boosting were the ones that stood out the most in solving the task at hand, they obtained an MAE of 6.6220 and 6.6310, respectively. Having shown the best results, the Random Forest Regressor model was the one employed in the creation of the final model that advises the user.Analide, CesarFernandes, BrunoUniversidade do MinhoSilva, Rodolfo António Vieira da2023-06-142023-06-14T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/88577por203501071info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-10T01:20:14Zoai:repositorium.sdum.uminho.pt:1822/88577Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:37:10.428483Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
Artificial intelligence applied to the charging infrastructure for electric vehicles
title Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
spellingShingle Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
Silva, Rodolfo António Vieira da
Machine learning
Mobilidade elétrica
Problemas de previsão
Séries temporais
Electric mobility
Forecasting problems
Time series
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
title_full Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
title_fullStr Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
title_full_unstemmed Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
title_sort Inteligência artificial aplicada à infraestrutura de carregamentos para veículos elétricos
author Silva, Rodolfo António Vieira da
author_facet Silva, Rodolfo António Vieira da
author_role author
dc.contributor.none.fl_str_mv Analide, Cesar
Fernandes, Bruno
Universidade do Minho
dc.contributor.author.fl_str_mv Silva, Rodolfo António Vieira da
dc.subject.por.fl_str_mv Machine learning
Mobilidade elétrica
Problemas de previsão
Séries temporais
Electric mobility
Forecasting problems
Time series
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Machine learning
Mobilidade elétrica
Problemas de previsão
Séries temporais
Electric mobility
Forecasting problems
Time series
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Dissertação de mestrado integrado em Engenharia Informática
publishDate 2023
dc.date.none.fl_str_mv 2023-06-14
2023-06-14T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/88577
url https://hdl.handle.net/1822/88577
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 203501071
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799137422937686016

Registros relacionados