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 energiaelétrica, em todo o mundo e particularmente no Brasil, torna-se relevante estimar a produçãofutura dessas usinas através da predição da velocidade do vento. Em face da existência de sériestemporais históricas de intensidade de vento associadas a múltiplas usinas eólicas, devem serresolvidas simultaneamente múltiplas tarefas de predição de séries temporais. Este projeto deiniciação 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 relevânciaprática da pesquisa e do uso de casos de estudo reais, o aluno ainda terá a oportunidade de seenvolver com uma ampla gama de conceitos em aprendizado de máquina, além de conviverem um grupo de pesquisa com um histórico consistente de contribuições em aprendizadomultitarefa voltado para variáveis climáticas.

Publicações científicas

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

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