Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/28877
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Antoniolli, Eduarda Araújo | - |
dc.date.accessioned | 2022-06-22T12:39:32Z | - |
dc.date.available | 2022-06-22T12:39:32Z | - |
dc.date.issued | 2021-10-29 | - |
dc.identifier.citation | ANTONIOLLI, Eduarda Araújo. Previsão do consumo de energia elétrica em um frigorífico: um estudo de caso utilizando regressão linear, redes neurais e máquinas de vetores de suporte. 2021. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2021. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/28877 | - |
dc.description.abstract | This research aimed to forecast the electricity consumption of a poultry facility unit. For this, time series models were developed using learning algorithms, such as linear regression, neural networks and support vector machines, using WEKA software. The input was the unit’s consumption history, from November 2016 to December 2020. The hyperparameters of the models were chosen from the evaluation of the MAPE and MAE of the test set. For validation, a forecast of one semester ahead was performed, that is, for the period from January 2021 to June 2021. The data were compared with the actual consumption observed in the unit. The model with the best performance was the SVM, with a MAPE of 3.38%. The linear regression models and neural networks, despite presenting an error above the MAPE established for this work, of 5%, are also considered capable of estimating the future consumption of electricity for the unit in question. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | pt_BR |
dc.subject | Agroindústria | pt_BR |
dc.subject | Algorítmos computacionais | pt_BR |
dc.subject | Redes neurais (Computação) | pt_BR |
dc.subject | Agricultural industries | pt_BR |
dc.subject | Computer algorithms | pt_BR |
dc.subject | Neural networks (Computer science) | pt_BR |
dc.title | Previsão do consumo de energia elétrica em um frigorífico: um estudo de caso utilizando regressão linear, redes neurais e máquinas de vetores de suporte | pt_BR |
dc.title.alternative | Electrical energy consumption forecast in a poultry processing facility: a case study using linear regression, neural networks and support vector machine | pt_BR |
dc.type | masterThesis | pt_BR |
dc.description.resumo | Esta pesquisa teve como objetivo realizar a previsão do consumo de energia elétrica de um frigorífico. Para isso, foram desenvolvidos modelos, de series temporais, usando algoritmos de aprendizagem, como regressão linear, redes neurais e máquinas de vetores de suporte, através do software WEKA. A entrada foi o histórico de consumo da unidade, do período de novembro de 2016 a dezembro de 2020. Os hiper parâmetros dos modelos foram escolhidos a partir da avaliação do MAPE e do MAE do conjunto de teste. Para a validação, realizou-se a previsão de um semestre a frente, ou seja, para o período de janeiro de 2021 a junho de 2021. As estimativas foram comparadas com o consumo real observado na unidade. O modelo com melhor desempenho foi o SVM, com um MAPE de 3,38%. Os modelos de regressão linear e redes ˜ neurais, apesar de apresentarem um erro acima do MAPE estabelecido para este trabalho, de 5%, também ao considerados aptos para estimar o consumo futuro de energia elétrica para a unidade em questão. | pt_BR |
dc.degree.local | Medianeira | pt_BR |
dc.publisher.local | Medianeira | pt_BR |
dc.creator.ID | https://orcid.org/0000-0003-3990-1757 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/8175392708118323 | pt_BR |
dc.contributor.advisor1 | Santos, José Airton Azevedo dos | - |
dc.contributor.advisor1ID | https://orcid.org/0000-0002-2568-5734 | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1208427854093144 | pt_BR |
dc.contributor.advisor-co1 | Guedes, Alex Lemes | - |
dc.contributor.advisor-co1ID | https://orcid.org/0000-0002-4120-8436 | pt_BR |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/6156629768083874 | pt_BR |
dc.contributor.referee1 | Santos, José Airton Azevedo dos | - |
dc.contributor.referee1ID | https://orcid.org/0000-0002-2568-5734 | pt_BR |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/1208427854093144 | pt_BR |
dc.contributor.referee2 | Pasa, Leandro Antonio | - |
dc.contributor.referee2ID | https://orcid.org/0000-0002-0214-250X | pt_BR |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/4095187669845473 | pt_BR |
dc.contributor.referee3 | Silvina, Luani Back | - |
dc.contributor.referee3ID | https://orcid.org/0000-0002-3636-8451 | pt_BR |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/9370168756909943 | pt_BR |
dc.contributor.referee4 | Tonin, Paulo César | - |
dc.contributor.referee4ID | https://orcid.org/0000-0001-5815-5177 | pt_BR |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/6557298196355263 | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA | pt_BR |
dc.subject.capes | Engenharia/Tecnologia/Gestão | pt_BR |
Aparece nas coleções: | MD - Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
previsaoconsumoenergia.pdf | 1,57 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons