Aprimorando a eficiência contratual de energia: um estudo de previsão de demanda com aprendizado de máquina
| dc.contributor.advisor | Giacomini, R. C. | |
| dc.contributor.author | Pessoa, Patrick de Sousa | |
| dc.date.accessioned | 2024-06-11T15:18:20Z | |
| dc.date.available | 2024-06-11T15:18:20Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | Este projeto de pesquisa aborda a otimização contratual da demanda de energia como um elemento fundamental para aprimorar a eficiência energética da rede elétrica e reduzir custos para consumidores industriais, evitando multas associadas à demanda excessiva estabelecida em contrato. A diferença entre a demanda contratada e a efetiva é frequentemente subestimada, resultando em desperdício de recursos e penalidades financeiras. Foram estudados modelos de inteligência artificial, como FA (Floresta Aleatória), SVR (Support Vector Regression) e rede LSTM (Long-short Term Memory), para prever a demanda em diferentes horizontes temporais. A análise temporal indicou que a acurácia aumenta à medida que o horizonte de tempo é reduzido, destacando a importância da escolha do modelo e do intervalo de tempo na previsão da demanda. Um estudo de caso foi conduzido para avaliar a precisão da previsão em comparação com formas tradicionais de estabelecimento de contratos de demanda, ressaltando a importância do tamanho da base de dados disponível para o desempenho do modelo. A fim de comparação com a rede LSTM, estudou-se o desempenho para a rede GRU (Gated Recurrent Unit Network), a qual obteve resultados comparáveis à LSTM, porém com treinamento mais rápido. Deste modo, este projeto contribui para a otimização contratual da demanda de energia, permitindo que empresas otimizem estes modelos de contratos, minimizem multas e aliviem a carga na rede elétrica, sendo que os resultados confirmam a importância do aprendizado de máquina na otimização de contratos de demanda de energia | |
| dc.identifier.citation | PESSOA, Patrick de Sousa. <b> Aprimorando a eficiência contratual de energia: </b> um estudo de previsão de demanda com aprendizado de máquina. 2024. 81 p. Dissertação (Mestrado em Engenharia Elétrica ) - Centro Universitário FEI, São Bernardo do Campo, 2024. Disponível em: Texto na íntegra. | |
| dc.identifier.uri | https://repositorio.fei.edu.br/handle/FEI/5400 | |
| dc.language | por | |
| dc.language.iso | pt_BR | |
| dc.publisher | Centro Universitário FEI, São Bernardo do Campo | |
| dc.subject | Demanda de energia | |
| dc.subject | Previsão de demanda | |
| dc.subject | Inteligência artificial | |
| dc.title | Aprimorando a eficiência contratual de energia: um estudo de previsão de demanda com aprendizado de máquina | pt_BR |
| dc.type | Dissertação | pt_BR |