Uso de algoritmos de aprendizado de máquina para predição de consumo energético

• Autor(a) principal: Marciano, Gabriel Moraes
• Data de Publicação: 2024
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/255478
• topic: Séries temporais; LSTM; Consumo energético; Modelo preditivo; Redes neurais recorrentes; Time series; Energy consumption; Predictive model; Neural networks

O presente trabalho propõe um estudo abrangente que investiga a eficácia do uso de redes neurais especializadas em análise de séries temporais, em particular a arquitetura LSTM (Long Short-Term Memory), para a predição de consumo energético em uma região específica. A predição precisa do consumo de energia é de suma importância em diversos setores, desde o planejamento de recursos até a otimização da distribuição e alocação de energia, fatores estes que tornam-se cada vez mais importantes no cenário global de mudanças climáticas. Foram realizados diversos experimentos em cenários distintos, a fim de avaliar a robustez da LSTM em comparação com métodos autorregressivos tradicionais, em relação tanto ao erro, quanto à similaridade entre as séries temporais previstas e a série temporal. A realização deste processo buscou fornecer reflexões valiosas sobre a viabilidade e eficácia do uso de redes neurais na predição de consumo energético. Os resultados obtidos demonstram que em cenários caracterizados por comportamentos não-lineares, as redes neurais possuem notável vantagem. Essas descobertas podem contribuir tanto para o avanço da pesquisa nessa área, quanto para informar decisões práticas relacionadas ao planejamento e gestão de recursos energéticos em nível regional.