| Processo: | 18/05341-4 |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Data de Início da vigência: | 01 de junho de 2018 |
| Data de Término da vigência: | 31 de maio de 2021 |
| Área de conhecimento: | Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência |
| Pesquisador responsável: | Wallace Correa de Oliveira Casaca |
| Beneficiário: | Matheus Pussaignolli de Paula |
| Instituição Sede: | Universidade Estadual Paulista (UNESP). Campus de Rosana. Rosana , SP, Brasil |
| Assunto(s): | Planejamento energético Consumo de energia elétrica Energia elétrica Carga elétrica Plataforma (computação) Inteligência artificial Predição Aprendizado computacional Análise de dados |
| Palavra(s)-Chave do Pesquisador: | Energia Elétrica | Inteligência Artificial | Planejamento energético | Predição de carga energética | Planejamento energético via plataformas computacionais |
Resumo A previsão do consumo de energia elétrica é um tema de grande relevância para a indústria de energia, uma vez que equívocos na relação geração x demanda podem levar a enormes prejuízos financeiros, sendo também crucial para que se tenha um horizonte mais seguro da utilização da energia elétrica por parte de seus centros consumidores. De fato, a discussão sobre a importância dessa previsão aumentou demasiadamente nos últimos 20 anos, sobretudo após o racionamento de 2001, situação que fez com que empresas do ramo de energia enfrentassem o desafio de realizar uma previsão mais realista da demanda energética. Nesse contexto, o uso de soluções computacionais tem se tornado um importante aliado, viabilizando planos estratégicos de eficiência na geração de energia e políticas públicas de segurança a partir de ferramentas de análise de dados e modelos de predição de demanda. Assim, este projeto visa investigar o problema de predição de carga elétrica a partir do estudo de modelos de Aprendizado de Máquina (AM), possibilitando assim o auxílio a tomadas de decisões por parte de empresas e entidades governamentais do setor de energia. Para o desenvolvimento desta pesquisa, serão analisadas três metodologias da área de AM: Modelos Clássicos de Regressão, Redes Neurais, e Árvores de Decisão + Bagging. Os modelos serão implementados e validados a partir de bases de dados públicas de demanda energética, as quais dispõem de dados tanto para testes como para treinamento. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |