Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.

Detalhes bibliográficos
Autor(a) principal: GALINDO, Luan Fábio Marinho.
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UCB
Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543
Resumo: Este trabalho visa utilizar técnicas de Ciência dos Dados e algoritmos de Aprendizagem de Máquina para prever a demanda de energia elétrica no Brasil de janeiro a março de 2023. Técnicas de predição de demanda de energia elétrica são fundamentais para a logística de funcionamento do Sistema Elétrico Nacional, pois assim a gestão desses recursos é feita de forma mais eficiente e atenua desperdícios. Diante do exposto, este trabalho tem como objetivos específicos coletar e tratar uma base de dados para o uso no treinamento, realizar o próprio e em seguida analisar os resultados. Para isso, usar-se-á a linguagem Python, em conjunto com a Interface de Programação de Aplicações (API, em inglês) Tensor Flow, na plataforma de desenvolvimento Anaconda e no Ambiente de Desenvolvimento Integrado (IDE, em inglês) Spyder. A base de dados utilizada será obtida pelo Operador Nacional do Sistema Elétrico (ONS), pela Câmara de Comercialização de Energia Elétrica (CCEE) e pelo Yahoo! Finances. Por fim, este trabalho demonstrará o potencial do uso de técnicas de Aprendizagem de Máquina para a previsão de demanda de energia elétrica, evidenciando como o uso de dados históricos contribui para uma melhor gestão do Sistema Elétrico Nacional.
id UCB-2_d19384c78c969fa42e09c8b0ac40b7bd
oai_identifier_str oai:localhost:riufcg/30543
network_acronym_str UCB-2
network_name_str Repositório Institucional da UCB
repository_id_str
spelling Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.Electricity demand prediction using machine learning algorithms.Ciência de dadosAprendizagem de máquinaSistema Elétrico Nacional - BrasilPythonTensorFlow v2.10.0Operador Nacional do Sistema Elétrico - ONSCâmara de Comercialização de Energia Elétrica - CCEEInterface de programação de aplicações - APIEletrotécnicaAlgoritmos de aprendizagem de máquinaAlgoritmo DNNData scienceMachine learningNational Electric System - BrazilNational Electric System Operator - ONSElectric Energy Trading Chamber - CCEEApplication programming interface - APIElectrotechnicalMachine Learning AlgorithmsDNN AlgorithmEngenharia Elétrica.Este trabalho visa utilizar técnicas de Ciência dos Dados e algoritmos de Aprendizagem de Máquina para prever a demanda de energia elétrica no Brasil de janeiro a março de 2023. Técnicas de predição de demanda de energia elétrica são fundamentais para a logística de funcionamento do Sistema Elétrico Nacional, pois assim a gestão desses recursos é feita de forma mais eficiente e atenua desperdícios. Diante do exposto, este trabalho tem como objetivos específicos coletar e tratar uma base de dados para o uso no treinamento, realizar o próprio e em seguida analisar os resultados. Para isso, usar-se-á a linguagem Python, em conjunto com a Interface de Programação de Aplicações (API, em inglês) Tensor Flow, na plataforma de desenvolvimento Anaconda e no Ambiente de Desenvolvimento Integrado (IDE, em inglês) Spyder. A base de dados utilizada será obtida pelo Operador Nacional do Sistema Elétrico (ONS), pela Câmara de Comercialização de Energia Elétrica (CCEE) e pelo Yahoo! Finances. Por fim, este trabalho demonstrará o potencial do uso de técnicas de Aprendizagem de Máquina para a previsão de demanda de energia elétrica, evidenciando como o uso de dados históricos contribui para uma melhor gestão do Sistema Elétrico Nacional.This work aims to use Data Science techniques and Machine Learning algorithms to predict the electricity demand in Brazil from January to March 2023. Electricity demand prediction techniques are fundamental for the operational logistics of the National Electric System, in a way that the management of those resources are handled in a more efficiently way and reduces waste. In view of the above, this work has the specific objectives of collecting and processing a database for use in training, carrying out the training itself and then analyze the results. For this, the Python programming language will be used, together with the Application Programming Interface (API) Tensor Flow, in the Anaconda development platform with the Integrated Development Environment (IDE) Spyder. The database used will be obtained by the National Electric System Operator (ONS), by the Electric Energy Commercialization Chamber (CCEE) and by Yahoo! Finances. Finally, this work will demonstrate the potential of using Machine Learning techniques to forecast electricity demand, showing how the use of historical data contributes to a better management of the National Electric System.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGSILVA, Célio Anésio da.SILVA, C. A.http://lattes.cnpq.br/6105337488345986ARAÚJO, Jalberth Fernandes de.GALINDO, Luan Fábio Marinho.20232023-07-04T17:27:15Z2023-07-042023-07-04T17:27:15Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543GALINDO, Luan Fábio Marinho. Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina. 2023. 58f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UCBinstname:Universidade Católica de Brasília (UCB)instacron:UCB2023-07-04T17:52:25Zoai:localhost:riufcg/30543Repositório InstitucionalPRIhttps://repositorio.ucb.br/oai/requestsara.ribeiro@ucb.bropendoar:2023-07-04T17:52:25Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)false
dc.title.none.fl_str_mv Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
Electricity demand prediction using machine learning algorithms.
title Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
spellingShingle Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
GALINDO, Luan Fábio Marinho.
Ciência de dados
Aprendizagem de máquina
Sistema Elétrico Nacional - Brasil
Python
TensorFlow v2.10.0
Operador Nacional do Sistema Elétrico - ONS
Câmara de Comercialização de Energia Elétrica - CCEE
Interface de programação de aplicações - API
Eletrotécnica
Algoritmos de aprendizagem de máquina
Algoritmo DNN
Data science
Machine learning
National Electric System - Brazil
National Electric System Operator - ONS
Electric Energy Trading Chamber - CCEE
Application programming interface - API
Electrotechnical
Machine Learning Algorithms
DNN Algorithm
Engenharia Elétrica.
title_short Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
title_full Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
title_fullStr Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
title_full_unstemmed Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
title_sort Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina.
author GALINDO, Luan Fábio Marinho.
author_facet GALINDO, Luan Fábio Marinho.
author_role author
dc.contributor.none.fl_str_mv SILVA, Célio Anésio da.
SILVA, C. A.
http://lattes.cnpq.br/6105337488345986
ARAÚJO, Jalberth Fernandes de.
dc.contributor.author.fl_str_mv GALINDO, Luan Fábio Marinho.
dc.subject.por.fl_str_mv Ciência de dados
Aprendizagem de máquina
Sistema Elétrico Nacional - Brasil
Python
TensorFlow v2.10.0
Operador Nacional do Sistema Elétrico - ONS
Câmara de Comercialização de Energia Elétrica - CCEE
Interface de programação de aplicações - API
Eletrotécnica
Algoritmos de aprendizagem de máquina
Algoritmo DNN
Data science
Machine learning
National Electric System - Brazil
National Electric System Operator - ONS
Electric Energy Trading Chamber - CCEE
Application programming interface - API
Electrotechnical
Machine Learning Algorithms
DNN Algorithm
Engenharia Elétrica.
topic Ciência de dados
Aprendizagem de máquina
Sistema Elétrico Nacional - Brasil
Python
TensorFlow v2.10.0
Operador Nacional do Sistema Elétrico - ONS
Câmara de Comercialização de Energia Elétrica - CCEE
Interface de programação de aplicações - API
Eletrotécnica
Algoritmos de aprendizagem de máquina
Algoritmo DNN
Data science
Machine learning
National Electric System - Brazil
National Electric System Operator - ONS
Electric Energy Trading Chamber - CCEE
Application programming interface - API
Electrotechnical
Machine Learning Algorithms
DNN Algorithm
Engenharia Elétrica.
description Este trabalho visa utilizar técnicas de Ciência dos Dados e algoritmos de Aprendizagem de Máquina para prever a demanda de energia elétrica no Brasil de janeiro a março de 2023. Técnicas de predição de demanda de energia elétrica são fundamentais para a logística de funcionamento do Sistema Elétrico Nacional, pois assim a gestão desses recursos é feita de forma mais eficiente e atenua desperdícios. Diante do exposto, este trabalho tem como objetivos específicos coletar e tratar uma base de dados para o uso no treinamento, realizar o próprio e em seguida analisar os resultados. Para isso, usar-se-á a linguagem Python, em conjunto com a Interface de Programação de Aplicações (API, em inglês) Tensor Flow, na plataforma de desenvolvimento Anaconda e no Ambiente de Desenvolvimento Integrado (IDE, em inglês) Spyder. A base de dados utilizada será obtida pelo Operador Nacional do Sistema Elétrico (ONS), pela Câmara de Comercialização de Energia Elétrica (CCEE) e pelo Yahoo! Finances. Por fim, este trabalho demonstrará o potencial do uso de técnicas de Aprendizagem de Máquina para a previsão de demanda de energia elétrica, evidenciando como o uso de dados históricos contribui para uma melhor gestão do Sistema Elétrico Nacional.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-07-04T17:27:15Z
2023-07-04
2023-07-04T17:27:15Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543
GALINDO, Luan Fábio Marinho. Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina. 2023. 58f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543
identifier_str_mv GALINDO, Luan Fábio Marinho. Predição de demanda de energia elétrica utilizando algoritmos de aprendizado de máquina. 2023. 58f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30543
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCB
instname:Universidade Católica de Brasília (UCB)
instacron:UCB
instname_str Universidade Católica de Brasília (UCB)
instacron_str UCB
institution UCB
reponame_str Repositório Institucional da UCB
collection Repositório Institucional da UCB
repository.name.fl_str_mv Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)
repository.mail.fl_str_mv sara.ribeiro@ucb.br
_version_ 1834013070769258496

Registros relacionados