
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Santos, José Airton Azevedo dos | - |
| Autor(es): dc.contributor | Santos, José Airton Azevedo dos | - |
| Autor(es): dc.contributor | Fernandes, Carlos Aparecido | - |
| Autor(es): dc.contributor | Pasa, Leandro Antonio | - |
| Autor(es): dc.creator | Chaucoski, Yasmin | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:04:59Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:04:59Z | - |
| Data de envio: dc.date.issued | 2023-11-23 | - |
| Data de envio: dc.date.issued | 2023-11-23 | - |
| Data de envio: dc.date.issued | 2023-06-19 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/32929 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1088663 | - |
| Descrição: dc.description | Electric 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.description | A 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.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Medianeira | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Engenharia Elétrica | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
| Palavras-chave: dc.subject | Energia - Consumo | - |
| Palavras-chave: dc.subject | Banco de dados | - |
| Palavras-chave: dc.subject | Métodos de simulação | - |
| Palavras-chave: dc.subject | Energy consumption | - |
| Palavras-chave: dc.subject | Data bases | - |
| Palavras-chave: dc.subject | Simulation methods | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
| Título: dc.title | Previsão do consumo de eletricidade em uma instituição de ensino superior: um estudo de caso usando o Weka | - |
| Título: dc.title | Electricity consumption forecast in a higher education: a case study using Weka | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: