Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/33821| Título: | Previsão de geração de energia hidráulica no Brasil: um estudo de caso usando redes neurais artificiais e regressão linear |
| Título(s) alternativo(s): | Hydraulic power generation forecast in Brazil: a case study using neural artificial networks and linear regression |
| Autor(es): | Pimentel, Caio Caetano |
| Orientador(es): | Santos, José Airton Azevedo dos |
| Palavras-chave: | Energia elétrica - Produção Força e energia Estatística matemática Electric power production Force and energy Mathematical statistics |
| Data do documento: | 16-Nov-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | PIMENTEL, Caio Caetano. Previsão de geração de energia hidráulica no Brasil: um estudo de caso usando redes neurais artificiais e regressão linear. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2023. |
| Resumo: | A energia elétrica é fundamental para o desenvolvimento econômico de um país. É justamente por essa razão que o setor de energia elétrica é um dos setores que mais se expande no país. O Brasil possui uma das matrizes energéticas mais diversificadas do mundo, caracterizada por um sistema hidrotérmico e pela predominância de fontes renováveis de energia. A energia hidráulica (ou hídrica) é uma das opções mais utilizadas no mundo para geração de energia elétrica. Em 2021, no Brasil, a oferta de energia elétrica por fonte correspondeu a 56,8% hidráulica, 12,8% gás natural, 8,2% biomassa, 3% derivados de petróleo, 3,9% de carvão e derivados, 10,6% eólica, 2,2% nuclear e 2,47% solar. Desta forma, a diversidade da matriz energética de cada país implica em diferentes estratégias de planejamento energético, uma vez que cada fonte de energia possui suas limitações. As previsões, capacidade de avaliar o histórico de geração de energia elétrica e projetar uma resposta, podem beneficiar o setor elétrico. São instrumentos de grande importância no auxílio ao processo de tomada de decisão, fornecem informações que proporcionam economia e segurança no fornecimento de energia elétrica. Neste contexto, este trabalho teve como objetivo comparar o desempenho de modelos, de Regressão Linear Múltipla (MLR) e Redes Neurais Artificiais (RNA) do tipo Multilayer Perceptron (MLP) do software WEKA, na previsão de geração hidráulica no Brasil. Para realizar esta comparação foi utilizado um conjunto de dados de geração hidráulica. A base de dados apresentou uma série histórica, de geração de energia hidráulica, no período de janeiro/1996 a agosto/2022. A metodologia consistiu em desenvolver modelos de previsão, baseados em algoritmos de Regressão Linear Múltipla (MLR) e Redes Neurais Artificiais (RNA) do tipo Multilayer Perceptron (MLP), utilizando para isso o software WEKA. Os resultados mostraram que, para um horizonte de 6 meses, o modelo MLP apresentou melhor desempenho, levando em consideração as métricas MAE, MAPE e RMSE. A conclusão foi que, o modelo MLP revelou um notável potencial de generalização dentro do horizonte de previsão. |
| Abstract: | Electricity is fundamental for the economic development of a country. It is precisely for this reason that the electric power sector is one the fastest-growing sectors in the country. Brazil has one of the most diversified energy matrices in the world, characterized by a hydrothermal system and a predominance of renewable energy sources. Hydroelectric energy is one of the most widely used options globally for electricity generation. In 2021, in Brazil, the energy supply by source corresponded to 56,8% hydro, 12,8% natural gas, 8,2% biomass, 3% petroleum derivatives, 3,9% coal and derivatives, 10,6% wind, 2,2% nuclear, and 2,47% solar. Thus, the diversity of each country’s matrix implies different energy planning strategies, as each energy source has its limitations. Forecasts, the ability to assess the history of electricity generation, and project a response can benefit the electricity sector. They are crucial tools in assisting the decision-making process, providing information that promotes efficiency and security in the supply of electric power. In this context, this work aimed to compare the performance of models, Multiple Linear Regression (MLR) and Multilayer Perceptron Artificial Neural Networks (MLP ANN), using the WEKA software, in predicting hydroelectric generation in Brazil. To perform this comparison, a dataset of hydroelectric generation was used. The database presented a historical series of hydroelectric energy generation from January 1996 to August 2022. The methodology consisted of developing prediction models based on Multiple Linear Regression (MLR) and Multilayer Perceptron Artificial Neural Networks (MLP ANN) algorithms using the WEKA software. The results showed that, for a 6-month horizon, the MLP model outperformed MLR, considering the MAE, MAPE and RMSE metrics. The conclusion was that the MLP model demonstrated notable generalization potential within the prediction horizon. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/33821 |
| Aparece nas coleções: | MD - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| previsaogeracaohidraulicabrasil.pdf | 1,4 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
