Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia

Detalhes bibliográficos
Autor(a) principal: IZIDIO, Diogo Moury Fernandes
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/0013000013cbq
Texto Completo: https://repositorio.ufpe.br/handle/123456789/40514
Resumo: MATTOS NETO, Paulo Salgado Gomes de, também é conhecido em citações bibliográficas por: MATTOS, Paulo Salgado Gomes de
id UFPE_449edd225e2edf9df6e6e370e94f0263
oai_identifier_str oai:repositorio.ufpe.br:123456789/40514
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling IZIDIO, Diogo Moury Fernandeshttp://lattes.cnpq.br/5594450385569835http://lattes.cnpq.br/4610098557429398MATTOS NETO, Paulo Salgado Gomes de2021-07-13T16:04:53Z2021-07-13T16:04:53Z2021-01-29IZIDIO, Diogo Moury Fernandes. Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/40514ark:/64986/0013000013cbqMATTOS NETO, Paulo Salgado Gomes de, também é conhecido em citações bibliográficas por: MATTOS, Paulo Salgado Gomes deO estudo sobre o consumo de energia elétrica vem crescentemente atraindo atenção da comunidade científica devido aos grandes impactos econômicos e ambientais. Dentro desse contexto, a introdução de medidores inteligentes vem sendo proposta como uma alternativa para aumentar a eficiência e melhorar o gerenciamento do consumo de energia em edifícios. Tais benefícios são geralmente associados à uma melhor compreensão acerca do consumo, assim como melhorias na detecção de fraudes e no planejamento da malha elétrica, tarefas diretamente ligadas à capacidade de prever o consumo de energia de forma acurada. Esse trabalho propõe um sistema híbrido que combina modelos estatísticos e de Aprendizado de Máquina (AM) para modelar padrões lineares e não-lineares das séries temporais de consumo de energia registradas por medidores inteligentes. O sistema híbrido é composto de três partes: uma técnica linear é utilizada para modelar os padrões lineares e sazonais presentes nas séries de consumo; uma técnica de AM é empregada para modelar os padrões não-lineares presentes nas séries de resíduos do modelo linear; e a combinação das previsões lineares e não-lineares é feita por um terceiro modelo de AM. Para realizar seleção de variáveis de entrada de cada técnica e superar problemas como underfitting, overfitting e má-especificação de parâmetros, um Algoritmo Genético foi usado nas etapas de modelagem não-linear e combinação das previsões. A avaliação experimental utilizou cinco métricas largamente utilizadas, mostrando que o sistema híbrido proposto alcança melhorias estatisticamente significantes nos resultados quando comparados com modelos estatísticos, híbridos e de AM da literatura.CNPqThe investigation of energy consumption patterns has increasinglly attracted interest from the scientific community due to its major economic and environmental effects. In that context, the introduction of smart metering has been proposed as an alternative to increase efficiency and improve energy consumption management in buildings. Such benefits are usually associated with a better understanding of energy consumption patterns and improvements in fraud detection and grid planning, which are directly linked to the ability of accurately forecasting energy demand. This work proposes a hybrid system which combines statistical and Machine Learning (ML) models to model linear and non-linear patterns of a energy consumption time series registered by smart meters. The proposed system is composed by three stages: a linear model is utilized to model the linear and seasonal patterns of the time series; a ML technique is then applied to the first model residual series to account for non-linear patterns; finally, a second ML model is responsible for the combination of both linear and non-linear forecasts. To perform feature selection and avoid problems like underfitting, overfitting and bad choice of parameters, a Genetic Algorithm is utilized in the non-linear and combination stages. Experimental evaluation is performed using five (5) metrics widely utilized in the literature, indicating that the proposed hybrid system reaches statistically significant improvements when compared to other statistical, hybrid, and ML approaches from the literature.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInteligência computacionalSéries temporaisRedes neurais artificiaisUma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energiainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPELICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/40514/3/license.txtbd573a5ca8288eb7272482765f819534MD53ORIGINALDISSERTAÇÃO Diogo Moury Fernandes Izidio.pdfDISSERTAÇÃO Diogo Moury Fernandes Izidio.pdfapplication/pdf4384009https://repositorio.ufpe.br/bitstream/123456789/40514/1/DISSERTA%c3%87%c3%83O%20Diogo%20Moury%20Fernandes%20Izidio.pdf911c642a8287e762bc4ca5698678d64dMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/40514/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52TEXTDISSERTAÇÃO Diogo Moury Fernandes Izidio.pdf.txtDISSERTAÇÃO Diogo Moury Fernandes Izidio.pdf.txtExtracted texttext/plain162563https://repositorio.ufpe.br/bitstream/123456789/40514/4/DISSERTA%c3%87%c3%83O%20Diogo%20Moury%20Fernandes%20Izidio.pdf.txt93f17d18b89173294806af301ae1810dMD54THUMBNAILDISSERTAÇÃO Diogo Moury Fernandes Izidio.pdf.jpgDISSERTAÇÃO Diogo Moury Fernandes Izidio.pdf.jpgGenerated Thumbnailimage/jpeg1206https://repositorio.ufpe.br/bitstream/123456789/40514/5/DISSERTA%c3%87%c3%83O%20Diogo%20Moury%20Fernandes%20Izidio.pdf.jpg80e92abc6ec052b78dc15ca85920d631MD55123456789/405142021-07-14 02:14:14.457oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-07-14T05:14:14Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
title Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
spellingShingle Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
IZIDIO, Diogo Moury Fernandes
Inteligência computacional
Séries temporais
Redes neurais artificiais
title_short Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
title_full Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
title_fullStr Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
title_full_unstemmed Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
title_sort Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia
author IZIDIO, Diogo Moury Fernandes
author_facet IZIDIO, Diogo Moury Fernandes
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5594450385569835
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4610098557429398
dc.contributor.author.fl_str_mv IZIDIO, Diogo Moury Fernandes
dc.contributor.advisor1.fl_str_mv MATTOS NETO, Paulo Salgado Gomes de
contributor_str_mv MATTOS NETO, Paulo Salgado Gomes de
dc.subject.por.fl_str_mv Inteligência computacional
Séries temporais
Redes neurais artificiais
topic Inteligência computacional
Séries temporais
Redes neurais artificiais
description MATTOS NETO, Paulo Salgado Gomes de, também é conhecido em citações bibliográficas por: MATTOS, Paulo Salgado Gomes de
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-07-13T16:04:53Z
dc.date.available.fl_str_mv 2021-07-13T16:04:53Z
dc.date.issued.fl_str_mv 2021-01-29
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.citation.fl_str_mv IZIDIO, Diogo Moury Fernandes. Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2021.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/40514
dc.identifier.dark.fl_str_mv ark:/64986/0013000013cbq
identifier_str_mv IZIDIO, Diogo Moury Fernandes. Uma abordagem evolutiva para combinação de modelos aplicada a previsão de consumo de energia. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2021.
ark:/64986/0013000013cbq
url https://repositorio.ufpe.br/handle/123456789/40514
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/40514/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/40514/1/DISSERTA%c3%87%c3%83O%20Diogo%20Moury%20Fernandes%20Izidio.pdf
https://repositorio.ufpe.br/bitstream/123456789/40514/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/40514/4/DISSERTA%c3%87%c3%83O%20Diogo%20Moury%20Fernandes%20Izidio.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/40514/5/DISSERTA%c3%87%c3%83O%20Diogo%20Moury%20Fernandes%20Izidio.pdf.jpg
bitstream.checksum.fl_str_mv bd573a5ca8288eb7272482765f819534
911c642a8287e762bc4ca5698678d64d
e39d27027a6cc9cb039ad269a5db8e34
93f17d18b89173294806af301ae1810d
80e92abc6ec052b78dc15ca85920d631
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1815172990106599424

Registros relacionados