Previsão do consumo de energia elétrica em uma agroindústria: um estudo de caso usando redes LSTM e CNN-LSTM

Resumo

Este trabalho tem como objetivo desenvolver e comparar modelos, de Redes Neurais Artificiais (RNA), para previsão do consumo de energia elétrica de uma agroindústria. A base de dados, disponibilizada pela Câmara de Comercialização de Energia Elétrica (CCEE), apresenta uma série histórica, do consumo de energia elétrica, no período entre janeiro de 2020 e janeiro de 2021, representado 6816 observações horárias. Modelos, baseados nas arquiteturas LSTM e CNN-LSTM, foram implementados, na linguagem Python, utilizando o framework Keras. Resultados obtidos dos modelos foram comparados por meio das métricas MAPE (Mean Absolute Percentage Error), MAE (Mean Absolute Error) e RMSE (Root Mean Squared Error). Verificou-se, para um horizonte de 24 horas, que o modelo CNN-LSTM apresentou melhor desempenho.

Biografia do Autor

José Airton Azevedo dos Santos, Universidade Tecnológica Federal do Paraná - UTFPR
Programa de Pós-graduação em tecnologias Computacionais para o Agronegócio (PPGTCA)
Eduarda Araujo Antoniolli, Universidade Tecnológica Federal do Paraná (UTFPR)

Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio (PPGTCA)

Alex Lemes Guedes, Universidade Tecnológica Federal do Paraná (UTFPR)

Deparatamento de Engenharia Elétrica 

Leandro Antonio Pasa, Universidade Tecnológica Federal do Paraná (UTFPR)

Departamento de Engenharia Elétrica

Publicado
2022-04-08
Como Citar
dos Santos, J. A. A., Araujo Antoniolli, E., Lemes Guedes, A., & Pasa, L. A. (2022). Previsão do consumo de energia elétrica em uma agroindústria: um estudo de caso usando redes LSTM e CNN-LSTM. REVISTA CEREUS, 14(1), 63-76. Recuperado de http://ojs.unirg.edu.br/index.php/1/article/view/3636
Seção
Artigos