Modelo de previsão de consumo de energia elétrica em cenário pandêmico com uso de inteligência artificial
Visualizar/abrir
Data
2021Autor
Orientador
Nível acadêmico
Graduação
Resumo
O trabalho propõe um novo modelo estocástico de projeção de consumo de energia elétrica, utilizando técnicas de otimização através de algoritmo genético aplicados a uma rede neural recorrente do tipo Long Short Term Memory. Ressalta o efeito das mortes por COVID-19 no consumo de energia, e contempla o efeito aleatório e de atenuação de um transitório social, o que costumeiramente é simplificado em modelos de projeção de consumo. O modelo construído é apresentado detalhadamente usando, inicialme ...
O trabalho propõe um novo modelo estocástico de projeção de consumo de energia elétrica, utilizando técnicas de otimização através de algoritmo genético aplicados a uma rede neural recorrente do tipo Long Short Term Memory. Ressalta o efeito das mortes por COVID-19 no consumo de energia, e contempla o efeito aleatório e de atenuação de um transitório social, o que costumeiramente é simplificado em modelos de projeção de consumo. O modelo construído é apresentado detalhadamente usando, inicialmente, dados do Rio Grande do Sul e, posteriormente, amplia sua abrangência em um estudo de caso para o Brasil em cenário pré- pandemia em 2019 e em cenário pandêmico em 2020. Os testes de variáveis econômicas climáticas e sociais são realizados e mostram que as técnicas utilizadas são adequadas à representação do problema sob análise. ...
Abstract
This paper proposes a new stochastic model for projecting electricity consumption, using optimization techniques through genetic algorithms applied to a recurrent neural network of the Long Short Term Memory type. It highlights the effect of COVID-19 deaths on energy consumption, and considers the random and attenuation effect of a social transient, which is usually simplified in consumption projection models. The model built is presented in detail initially using data from Rio Grande do Sul (s ...
This paper proposes a new stochastic model for projecting electricity consumption, using optimization techniques through genetic algorithms applied to a recurrent neural network of the Long Short Term Memory type. It highlights the effect of COVID-19 deaths on energy consumption, and considers the random and attenuation effect of a social transient, which is usually simplified in consumption projection models. The model built is presented in detail initially using data from Rio Grande do Sul (southern state of Brazil) and later extends its scope in a case study to Brazil in a pre-pandemic scenario in 2019 and in a pandemic scenario in 2020. Tests of economic-climate and social variables are performed and show that the techniques used are adequate to represent the problem under analysis. ...
Instituição
Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Curso de Engenharia Elétrica.
Coleções
-
TCC Engenharias (5732)
Este item está licenciado na Creative Commons License