Aprendizado multitarefa na predição de produção em usinas eólicas

• Processo: 20/03913-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2020
• Data de Término da vigência: 31 de maio de 2021
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Fernando José von Zuben
• Beneficiário: Gabriel Ribeiro Lencione
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Inteligência artificial Aprendizado computacional Energia eólica Energia elétrica Mudança climática Predição Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Aprendizado Multitarefa | Energia Eólica | Forecasting | machine learning | Séries Temporais | Inteligência Artificial

Resumo

Com a implantação disseminada de usinas eólicas integradas a sistemas de geração de energia elétrica, em todo o mundo e particularmente no Brasil, torna-se relevante estimar a produção futura dessas usinas através da predição da velocidade do vento. Em face da existência de séries temporais históricas de intensidade de vento associadas a múltiplas usinas eólicas, devem ser resolvidas simultaneamente múltiplas tarefas de predição de séries temporais. Este projeto de iniciação científica propõe a adoção de técnicas consolidadas de aprendizado multitarefa, permitindo compartilhar informações entre tarefas de predição que se mostrarem relacionadas. Esse compartilhamento de informação deve conduzir a ganhos de desempenho na predição, quando comparado ao tratamento independente de cada tarefa de predição. Além da relevância prática da pesquisa e do uso de casos de estudo reais, o aluno ainda terá a oportunidade desenvolver com uma ampla gama de conceitos em aprendizado de máquina, além de conviverem um grupo de pesquisa com um histórico consistente de contribuições em aprendizado multitarefa voltado para variáveis climáticas. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

LENCIONE, GABRIEL R.; VON ZUBEN, FERNANDO J.; IEEE. Wind Speed Forecasting via Multi-task Learning. 2021 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2021-01-01. (20/03913-0)