Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/35711| Título: | Previsão de consumo residencial e industrial de energia elétrica na região sudeste: um estudo de caso usando redes neurais e regressão linear |
| Título(s) alternativo(s): | Forecasting residential and industrial electricity consumption in the southeast region: a case study using neural networks and linear regression |
| Autor(es): | Jorge, Abel Gustavo |
| Orientador(es): | Santos, José Airton Azevedo dos |
| Palavras-chave: | Energia – Consumo Análise de séries temporais Aprendizado do computador Energy consumption Time-series analysis Machine learning |
| Data do documento: | 17-Jun-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | JORGE, Abel Gustavo. Previsão de consumo residencial e industrial de energia elétrica na região sudeste: um estudo de caso usando redes neurais e regressão linear. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2024. |
| Resumo: | A energia elétrica, indicador do nível de qualidade de vida de uma população, possui um papel de relevância e destaque na economia mundial. O Brasil, nesse cenário, se destaca por estar entre as maiores economias globais e a região sudeste por ser o centro populacional e industrial do país. Neste contexto, este trabalho comparou modelos, de séries temporais do software WEKA, para previsão do consumo de energia elétrica, residencial e industrial, da região sudeste do Brasil. As bases de dados, disponibilizadas pela Empresa de Pesquisa Energética – EPE, apresentam séries históricas do consumo de energia, residencial e industrial, no período entre janeiro/2004 e dezembro/2022, totalizando 228 instâncias. Modelos de previsão de séries temporais, baseados em redes neurais MLP e Regressão Linear, foram construidos no software WEKA. As métricas MAPE, MAE e RMSE foram utilizadas para comparar os resultados dos modelos de previsão. Resultados experimentais demonstraram, para um horizonte de 4 meses, que a Rede Neural MLP apresentou o melhor desempenho. |
| Abstract: | Electrical energy, an indicator of a population's quality of life, plays a relevant and prominent role in the world economy. Brazil, in this scenario, stands out for being among the largest global economies and the southeast region for being the population and industrial center of the country. In this context, this work compared time series models from the WEKA software to predict residential and industrial electrical energy consumption in the southeast region of Brazil. The databases, made available by the Energy Research Company – EPE, present historical series of energy consumption, residential and industrial, in the period between January/2004 and December/2022, totaling 228 instances. Time series forecast models, based on MLP and Linear Regression neural networks, were built in the WEKA software. The MAPE, MAE and RMSE metrics were used to compare the results of the prediction models. Experimental results demonstrated, for a 4-month horizon, that the MLP Neural Network presented the best performance. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/35711 |
| Aparece nas coleções: | MD - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| previsaoconsumoresidencialindustrial.pdf | 1,55 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
