Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/2135
Título: Métodos de previsão de consumo de energia elétrica residencial em grande volume de dados
Autor: Carvalho, Daniel José de
Endereco Lattes do autor: http://lattes.cnpq.br/6867315638833821
Orientador: Medeiros, Victor Wanderley Costa de
Endereco Lattes do orientador : http://lattes.cnpq.br/7159595141911505
Co-orientador : Gonçalves, Glauco Estácio
Endereço Lattes do Co-orientador : http://lattes.cnpq.br/6157118581200722
Palavras-chave: Energia elétrica - Consumo;Análise de séries temporais;Big data;Estatística
Data do documento: 2019
Citação: CARVALHO, Daniel José de. Métodos de previsão de consumo de energia elétrica residencial em grande volume de dados. 2019. 64 f.Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação)- Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2019.
Abstract: Electricity is one of the primary sources of energy used by humanity. Growing concern for the preservation of the environment has stimulated the search for renewable energy sources capable of reducing impacts on nature. Population growth and the increasingly frequent use of electronic devices in almost all daily activities demand the most efficient use of electricity. Due to these challenges, it is essential to carry out planning to dimen-sion the structure of generation and transmission of electric energy. One of the tools capable of assisting in this sizing is the demand forecasting. Another major challenge in this area lies in the realization of these forecasts in large data scenarios (Big Data). This work aims to evaluate the performance of two prediction methods, ARIMA andHolt-Winters, using temporal series applied to a large volume of data. The database was provided by the DEBS 2014 Grand Challenge event, which contains electricity consumption data for a large number of households for one month. For the application of the prediction methods, we used libraries in the R language. In order to process data,the Apache Spark framework was used in conjunction with the R language to parallelize the data reading processing and filtering parameters. The treated data were convertedin to time series with hourly consumption values, throughout the month comprised by theoriginal database. Predictions were made for the region of the households as a who leand each residence individually. The results showed an advantage of ARIMA versusHolt-Winters in the scenario used, using the RMSE metric as a comparative basis of performance. However, based on similar experiments found in the literature, with due proportions, both RMSE values are within an acceptable range.
Resumo: A energia elétrica é uma das principais fontes de energia utilizadas pela humanidade.A crescente preocupação com a preservação do meio-ambiente estimulou a busca por fontes de energia renováveis capazes de reduzir os impactos à natureza. O crescimento populacional e o uso cada vez mais comum de dispositivos eletrônicos, na quase totalidade das atividades cotidianas, demandam o uso mais eficiente da energia elétrica. Diante destes desafios é essencial a realização de um planejamento para dimensionar a estrutura de geração e transmissão de energia elétrica. Uma das ferramentas capazes de auxiliar neste dimensionamento é a previsão de demanda. Outrogrande desafio nesta área está na realização destas previsões em cenários de grandes dados (Big Data).Este trabalho tem como objetivo principal avaliar o desempenho de dois métodos deprevisão, ARIMA e Holt-Winters, utilizando séries temporais aplicados a um grandevolume de dados. A base de dados utilizada foi fornecida no evento DEBS 2014 GrandChallenge, a qual contém dados de consumo de energia elétrica, de um grande nú-mero de residências, durante o período de um mês. Para a aplicação dos métodos de previsão, foram utilizadas bibliotecas na linguagem R. Para processar os dados,utilizou-se o frameworkApache Spark em conjunto com a linguagem R, para parale-lizar o processamento da leitura dos dados e a filtragem dos parâmetros desejados.Os dados tratados foram convertidos em séries temporais com valores de consumo horários, durante todo o mês compreendido pela base de dados original. Foram executadas previsões para a região das residências como um todo e para cada residência individualmente. Os resultados mostraram uma vantagem do ARIMA frente ao Holt-Winters no cenário utilizado, utilizando a métrica RMSE como base comparativa de desempenho. Contudo, baseado em experimentos similares encontrados na literatura,resguardando as devidas proporções, ambos os valores de RMSE estão dentro de uma faixa aceitável.
URI: http://hdl.handle.net/123456789/2135
Aparece nas coleções:(CDIBSI) Trabalho de conclusão de curso

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_danieljosédecarvalho.pdf1,28 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.