Análise e Previsão de Padrões de Consumo com Modelo Escondido de Markov

• Autor(a) principal: Andrade, Francisco Manuel Pereira Resende de
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/19382
• topic: Consumo de eletricidade em edifícios residenciais; Previsão de consumo; Hidden Markov Model; R; Household energy consumption; Consumption prediction

O consumo de energia nos edifícios é significativo. De forma a acompanhar a demanda de energia, começou-se a recorrer a energias renováveis para produzir mais energia de uma forma sustentável. Isso levou, no entanto, a um aumento da penetração de energia de natureza variável na rede. Para que se possa fazer face à variação do lado da geração, é necessário o desenvolvimento de modelos de gestão e adaptação do lado do consumo. Uma forma de desenvolver métodos para diminuir e gerir o consumo em habitações é conseguir prever o consumo das habitações. Há muitas metodologias que podem ser usados para identificar e prever dados, mas para esta dissertação foi usado o Hidden Markov Model (HMM), uma vez que muitos artigos demonstraram bons resultados na sua aplicação a problemas com características semelhantes. Foi usado a livraria “HMM” existente no programa R. Dos testes efetuados com o HMM, foi possível verificar que este consegue prever os consumos de energia. No entanto, em diferentes testes de outros autores, os seus HMMs obtiveram melhores resultados. Uma limitação encontrada foi a falta de possibilidade de personalização do programa utilizado, o que leva a que em situações mais complexas, os resultados obtidos podem não ser satisfatórios. Ao efetuar o último teste, foi feito um treino com o HMM de vários dias, para de seguida prever os estados nos dias seguintes. Quando a previsão foi efetuada, comparou-se esses dias previstos com os dados reais existentes na base de dados, tendo conseguido prever corretamente 48% dos estados escondidos e 72% dos estados observáveis.