Título: Modelagem Preditiva da Demanda de Energia Elétrica Uma Abordagem com Machine Learning e o Framework CRISP-ML(Q) LAVRAS 2023
Autoria de: Alexandre Guimaraes Vartuli
Orientação de: Paulo Henrique Sales Guimaraes
Coorientação de: -
Presidente da banca: Paulo Henrique Sales Guimaraes
Primeiro membro da banca: Vinicius Miranda Pacheco
Segundo membro da banca: Luiz Otávio de Oliveira Pala
Palavras-chaves: Machine Learning, CRISP-ML(Q), Previsão de Demanda de Energia, Análise de Séries Temporais, Modelagem Preditiva
Data da defesa: 15/12/2023
Semestre letivo da defesa: 2023-2
Data da versão final: 20/12/2023
Data da publicação: 20/12/2023
Referência: Vartuli, A. G. Modelagem Preditiva da Demanda de Energia Elétrica Uma Abordagem com Machine Learning e o Framework CRISP-ML(Q) LAVRAS 2023. 2023. 41 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2023.
Resumo: Este Trabalho de Conclusão de Curso (TCC) investiga a previsão da demanda de energia elétrica, um aspecto crucial para a gestão e otimização de redes elétricas. Diante da crescente demanda e da necessidade de previsibilidade no setor, este estudo foca na aplicação de modelos avançados de Machine Learning para predizer a demanda de energia oferecendo contribuições para a tomada de decisão no setor de energia. Especificamente, utilizouse o Extreme Gradient Boosting (XGBoost) e o Prophet, para modelar e prever essas demandas. A metodologia adotada inclui uma análise exploratória detalhada, seguida de uma preparação dos dados, e finalmente a implementação dos modelos mencionados dentro do framework CRISP-ML(Q), um padrão emergente em análises preditivas. Os resultados demonstram que , em uma iteração no framework, o modelo XGBoost obteve um melhor desempenho
URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_de_controle_e_automacao/20232201720624
URI alternaviva: sem URI do Repositório Institucional da UFLA até o momento.
Curso: G022 - ENGENHARIA DE CONTROLE E AUTOMAÇÃO (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Alexandre Guimaraes Vartuli e Universidade Federal de Lavras
Baixar arquivo