Previsão do consumo de energia elétrica em um frigorífico: um estudo de caso utilizando regressão linear, redes neurais e máquinas de vetores de suporte

• Ano de defesa: 2021
• Autor(a) principal: Antoniolli, Eduarda Araújo
• Orientador(a): Santos, José Airton Azevedo dos
• Banca de defesa: Santos, José Airton Azevedo dos , Pasa, Leandro Antonio , Silvina, Luani Back , Tonin, Paulo César
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Medianeira
• Programa de Pós-Graduação: Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio
• País: Brasil
• Palavras-chave em Português: Agroindústria; Algorítmos computacionais; Redes neurais (Computação); Agricultural industries; Computer algorithms; Neural networks (Computer science)
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/28877

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.