Rede neural artificial aplicada à predição da produção hidrelétrica

• Processo: 23/12125-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2024
• Data de Término da vigência: 31 de março de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Guilherme Pina Cardim
• Beneficiário: Gabriel Mateus Bastida
• Instituição Sede: Faculdade de Engenharia e Ciências (FEC). Universidade Estadual Paulista (UNESP). Campus de Rosana. Rosana , SP, Brasil
• Assunto(s): Aprendizado computacional Predição
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | hidrelétrica | machine learning | Predição | Aprendizado de Máquina

Resumo

No Brasil a produção de energia elétrica é proveniente em grande parte de usinas hidrelétricas, as quais são vulneráveis à diversos fatores externos, tais como volume de precipitação pluvial e temperatura. A estimativa incerta de recursos hídricos e fatores externos podem ocasionar uma produção ineficaz e, consequentemente, um desperdício de recursos naturais. Dessa forma, a predição da geração e do consumo de energia elétrica permite gerar uma maior economia nos custos de produção de energia, um uso mais eficiente dos recursos naturais disponíveis e uma diminuição da energia desperdiçada pela atual incapacidade do sistema em armazená-la. Monitorar a produção de energia elétrica por meio dos recursos disponíveis e estimar a produção se torna de grande importância, fato comprovado por diversas publicações científicas recentes que buscam realizar a predição do consumo e/ou produção de energia elétrica em diferentes contextos. Neste sentido, o projeto possui por objetivo principal a predição da produção de energia elétrica por usinas hidrelétricas a ser realizado de forma temporal a partir do monitoramento de fatores externos permitindo uma avaliação prévia do cenário possibilitando uma melhor tomada de decisão em relação aos recursos disponíveis. Para tanto, pretende-se obter dados passados que sirvam como base para uma aplicação de aprendizado de máquina, a qual espera-se realizar a predição da energia a ser produzida. Para atingir o objetivo proposto, algumas etapas devem ser cumpridas, tais como: avaliação e análise de diferentes fatores que possam ter relação com a produção hidrelétrica; avaliar diferentes técnicas de aprendizagem de máquina afim de identificar a mais apropriada para a proposta; desenvolvimento de uma ferramenta para análise temporal com base em dados adquiridos constantemente; avaliação dos resultados obtidos e readequação do algoritmo desenvolvido; disponibilização da ferramenta desenvolvida à comunidade.