Previsão do consumo de eletricidade em uma instituição de ensino superior: um estudo de caso usando o Weka

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, José Airton Azevedo dos-
Autor(es): dc.contributorSantos, José Airton Azevedo dos-
Autor(es): dc.contributorFernandes, Carlos Aparecido-
Autor(es): dc.contributorPasa, Leandro Antonio-
Autor(es): dc.creatorChaucoski, Yasmin-
Data de aceite: dc.date.accessioned2025-08-29T12:04:59Z-
Data de disponibilização: dc.date.available2025-08-29T12:04:59Z-
Data de envio: dc.date.issued2023-11-23-
Data de envio: dc.date.issued2023-11-23-
Data de envio: dc.date.issued2023-06-19-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/32929-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1088663-
Descrição: dc.descriptionElectric power has become part of society's basic needs. Its sustainable consumption is the responsibility of each and every consumer. Predicting this consumption can be an awareness tool that provides relevant information for energy saving. In this context, this study aimed to compare time series models in the prediction of electricity consumption of a higher education institution. The database, made available by UTFPR - Campus Medianeira, presented a historical series of energy consumption from December 2020 to May 2022. The methodology consisted of developing prediction models, based on Linear Regression (LR) algorithms, Artificial Neural Networks of the Multilayer Perceptron (MLP) type and Regression Support Vector Machine (SVR), using the WEKA software. The results showed that, for a four-day horizon, the MLP model presented better performance, considering the MAPE, MAE and RMSE metrics. The conclusion was that, despite great variability in the data due to the pandemic, it was still possible to obtain good results using the MLP model.-
Descrição: dc.descriptionA energia elétrica tornou-se parte das necessidades básicas da sociedade. Seu consumo sustentável é de responsabilidade de todos e de cada consumidor. Prever esse consumo pode ser uma ferramenta de conscientização que fornece informações relevantes para a economia de energia. Neste contexto, este trabalho teve como objetivo comparar modelos, de séries temporais, na previsão do consumo de energia elétrica de uma instituição de ensino superior. A base de dados, disponibilizada pela UTFPR - Campus Medianeira, apresentou uma série histórica, do consumo de energia, no período de dezembro de 2020 a maio de 2022. A metodologia consistiu em desenvolver modelos de previsão, baseados em algoritmos de Regressão Linear (LR), Redes Neurais Artificiais do tipo Multilayer Perceptron (MLP) e Máquina de Vetores de Suporte para Regressão (SVR), utilizando para isso o software WEKA. Os resultados mostraram que, para um horizonte de quatro dias, o modelo MLP apresentou melhor desempenho, levando em conta as métricas MAPE, MAE e RMSE, A conclusão foi que, apesar de grande variabilidade nos dados por conta da pandemia, ainda foi possível obter bons resultados utilizando o modelo MLP.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/-
Palavras-chave: dc.subjectEnergia - Consumo-
Palavras-chave: dc.subjectBanco de dados-
Palavras-chave: dc.subjectMétodos de simulação-
Palavras-chave: dc.subjectEnergy consumption-
Palavras-chave: dc.subjectData bases-
Palavras-chave: dc.subjectSimulation methods-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titlePrevisão do consumo de eletricidade em uma instituição de ensino superior: um estudo de caso usando o Weka-
Título: dc.titleElectricity consumption forecast in a higher education: a case study using Weka-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.