Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/55038 |
Resumo: | A previsão precisa do consumo de energia pode contribuir significativamente para melhorar a gestão de distribuição e potencialmente contribuir para controlar e reduzir os índices de consumo de energia. O avanço nas técnicas computacionais baseadas em dados estão se tornando cada vez mais robustas e populares por alcançarem bons índices de precisão nos resultados. Este estudo propõe o desenvolvimento de um modelo capaz de classificar perfis de consumo energético no setor residencial, utilizando técnicas de aprendizado de máquina e transferência de aprendizado (do Inglês Transfer Learning). A aplicação de técnicas de Aprendizado de Máquina (AM) na produção energética pode indicar grande potencial para controle e gestão da produção e distribuição de energia elétrica, podendo trazer maior eficiência, melhorar a produção e otimizar a distribuição. Neste estudo, combinamos as técnicas de AM com a transferência de aprendizado que é capaz de utilizar o conhecimento pré estabelecido em novos contextos (bases de conhecimento), tornando o processo de previsão energética mais eficiente e robusto. |
id |
UFRN_7b00a9f19fa379f81b8b780895f27b97 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/55038 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Siqueira, Natássia Rafaelle Medeiroshttps://orcid.org/0000-0003-4601-7396http://lattes.cnpq.br/1831533866865920https://orcid.org/0000-0002-3684-3814http://lattes.cnpq.br/1357887401899097Carvalho, Bruno Motta dehttps://orcid.org/0000-0002-9122-0257http://lattes.cnpq.br/0330924133337698Nascimento, Diego Silveira Costahttps://orcid.org/0000-0001-5714-6738http://lattes.cnpq.br/0237930361350556Canuto, Anne Magaly de Paula2023-10-20T16:03:10Z2023-10-20T16:03:10Z2023-02-24SIQUEIRA, Natássia Rafaelle Medeiros. Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil. 2023. 67 f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023.https://repositorio.ufrn.br/handle/123456789/55038A previsão precisa do consumo de energia pode contribuir significativamente para melhorar a gestão de distribuição e potencialmente contribuir para controlar e reduzir os índices de consumo de energia. O avanço nas técnicas computacionais baseadas em dados estão se tornando cada vez mais robustas e populares por alcançarem bons índices de precisão nos resultados. Este estudo propõe o desenvolvimento de um modelo capaz de classificar perfis de consumo energético no setor residencial, utilizando técnicas de aprendizado de máquina e transferência de aprendizado (do Inglês Transfer Learning). A aplicação de técnicas de Aprendizado de Máquina (AM) na produção energética pode indicar grande potencial para controle e gestão da produção e distribuição de energia elétrica, podendo trazer maior eficiência, melhorar a produção e otimizar a distribuição. Neste estudo, combinamos as técnicas de AM com a transferência de aprendizado que é capaz de utilizar o conhecimento pré estabelecido em novos contextos (bases de conhecimento), tornando o processo de previsão energética mais eficiente e robusto.The accurate forecasting of energy consumption can significantly contribute to improve distribution management, and potentially contribute to control and reduce energy consumption rates. Advances in data-based computational techniques are becoming increasingly robust and popular as they achieve good accuracy in results. Among these techniques, Machine Learning (ML) techniques have been widely used in several different domains. This study proposes the development of a classification model that is capable of classifying energy consumption profiles, using Machine Learning methods. The application of Machine Learning techniques in energy production can indicate great potential for controlling and managing the production and distribution of electric energy, which can bring greater efficiency, improve production and optimize distribution. In this study, we combine ML techniques the transfer learning, that is able to use pre-established knowledge in new contexts (different Brazilian regions), making the energy forecasting process more efficient and robust. The application of transfer learning resulted in average accuracies above 90% in the Bagging, Boosting, Random Forest methods for all data used as transfer targetsUniversidade Federal do Rio Grande do NortePrograma de Pós-graduação em Sistemas e ComputaçãoUFRNBrasilaprendizado de máquinaprevisão energéticatransferência de aprendizadoUtilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALUtilizacaoAprendizadoMaquina_Siqueira_2023.pdfapplication/pdf1605110https://repositorio.ufrn.br/bitstream/123456789/55038/1/UtilizacaoAprendizadoMaquina_Siqueira_2023.pdff5a1b12a1aeb3cd55761b4e604a22112MD51123456789/550382023-11-01 13:36:47.664oai:https://repositorio.ufrn.br:123456789/55038Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-11-01T16:36:47Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
title |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
spellingShingle |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil Siqueira, Natássia Rafaelle Medeiros aprendizado de máquina previsão energética transferência de aprendizado |
title_short |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
title_full |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
title_fullStr |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
title_full_unstemmed |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
title_sort |
Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil |
author |
Siqueira, Natássia Rafaelle Medeiros |
author_facet |
Siqueira, Natássia Rafaelle Medeiros |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0003-4601-7396 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1831533866865920 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-3684-3814 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1357887401899097 |
dc.contributor.referees1.none.fl_str_mv |
Carvalho, Bruno Motta de |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-9122-0257 |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0330924133337698 |
dc.contributor.referees2.none.fl_str_mv |
Nascimento, Diego Silveira Costa |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
https://orcid.org/0000-0001-5714-6738 |
dc.contributor.referees2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0237930361350556 |
dc.contributor.author.fl_str_mv |
Siqueira, Natássia Rafaelle Medeiros |
dc.contributor.advisor1.fl_str_mv |
Canuto, Anne Magaly de Paula |
contributor_str_mv |
Canuto, Anne Magaly de Paula |
dc.subject.por.fl_str_mv |
aprendizado de máquina previsão energética transferência de aprendizado |
topic |
aprendizado de máquina previsão energética transferência de aprendizado |
description |
A previsão precisa do consumo de energia pode contribuir significativamente para melhorar a gestão de distribuição e potencialmente contribuir para controlar e reduzir os índices de consumo de energia. O avanço nas técnicas computacionais baseadas em dados estão se tornando cada vez mais robustas e populares por alcançarem bons índices de precisão nos resultados. Este estudo propõe o desenvolvimento de um modelo capaz de classificar perfis de consumo energético no setor residencial, utilizando técnicas de aprendizado de máquina e transferência de aprendizado (do Inglês Transfer Learning). A aplicação de técnicas de Aprendizado de Máquina (AM) na produção energética pode indicar grande potencial para controle e gestão da produção e distribuição de energia elétrica, podendo trazer maior eficiência, melhorar a produção e otimizar a distribuição. Neste estudo, combinamos as técnicas de AM com a transferência de aprendizado que é capaz de utilizar o conhecimento pré estabelecido em novos contextos (bases de conhecimento), tornando o processo de previsão energética mais eficiente e robusto. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-10-20T16:03:10Z |
dc.date.available.fl_str_mv |
2023-10-20T16:03:10Z |
dc.date.issued.fl_str_mv |
2023-02-24 |
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 |
SIQUEIRA, Natássia Rafaelle Medeiros. Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil. 2023. 67 f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/55038 |
identifier_str_mv |
SIQUEIRA, Natássia Rafaelle Medeiros. Utilização de aprendizado de máquina para classificação de perfis de consumo de energia elétrica nas diferentes regiões do Brasil. 2023. 67 f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
url |
https://repositorio.ufrn.br/handle/123456789/55038 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Sistemas e Computação |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/55038/1/UtilizacaoAprendizadoMaquina_Siqueira_2023.pdf |
bitstream.checksum.fl_str_mv |
f5a1b12a1aeb3cd55761b4e604a22112 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117736218755072 |