Desenvolvimento de uma modelagem para previsão da distribuição e consumo de energia elétrica de clientes livres

Abstract

O uso eficiente de energia elétrica é importante para o setor de distribuição, bem como para a população em geral, já que a construção de novos geradores traz grandes impactos sócio-ambientais. Nesse trabalho, explorou-se a predição na distribuição e no consumo de energia elétrica de uma distribuidora no Brasil. Para isso, foi desenvolvida uma metodologia simplificada para tratar múltiplas séries temporais que apresentem diferentes características, como sazonalidade, ciclo e tendências e que tem início e fim em momentos diferentes da linha do tempo. Desenvolvemos modelos de predição baseados em Deep Learning (DL) (Convolutional Neural Network (CNN), Long short-term memory (LSTM), Autoencoders (AE)) para estimar a distribuição e consumo de energia. Também, estudamos arquiteturas diferenciadas através de combinação de hyperparâmetros e busca do modelo mais adequado com otimização bayesiana. Realizou-se um comparativo com métodos clássicos, probabilísticos e baseado em DL. Os resultados mostram-se promissores e o erro médio obtido pelo método proposto foi menor que o Temporal Convolutional Network (TCN), outro modelo que pode considerar múltiplas séries temporais.