Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Siqueira, Natássia Rafaelle Medeiros |
| Orientador(a): |
Canuto, Anne Magaly de Paula |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
Programa de Pós-graduação em Sistemas e Computação
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/55038
|
Resumo: |
A previsão precisa do consumo de energia pode contribuir significativamente para melhorar a gestão de distribuição e potencialmente contribuir para controlar e reduzir os índices de consumo de energia. O avanço nas técnicas computacionais baseadas em dados estão se tornando cada vez mais robustas e populares por alcançarem bons índices de precisão nos resultados. Este estudo propõe o desenvolvimento de um modelo capaz de classificar perfis de consumo energético no setor residencial, utilizando técnicas de aprendizado de máquina e transferência de aprendizado (do Inglês Transfer Learning). A aplicação de técnicas de Aprendizado de Máquina (AM) na produção energética pode indicar grande potencial para controle e gestão da produção e distribuição de energia elétrica, podendo trazer maior eficiência, melhorar a produção e otimizar a distribuição. Neste estudo, combinamos as técnicas de AM com a transferência de aprendizado que é capaz de utilizar o conhecimento pré estabelecido em novos contextos (bases de conhecimento), tornando o processo de previsão energética mais eficiente e robusto. |
