Modelo De Previsão De Demanda De Energia Elétrica Para O Campus Sede Da Universidade De Caxias Do Sul Empregando Máquinas De Vetores De Suporte

Abstract

The forecast of demand for electric energy is often discussed in the literature, whether applied to a individual consumer or to a interconnected systems. Models are constructed based on historical data with the objective to describe the behavior of demand over a predetermined time horizon. In this work, the supervised machine learning method known as support vector machine is applied to develop a forecast model of demand for the campus of the Universidade de Caxias do Sul considering the medium term. The selection of the historical data that integrate the model is performed using the additive selection. For the determination of the parameters for the construction of the final model, the grid search method and genetic algorithm are used. The best model of this work presented a mean absolute percentage error of 5.72%, 4.26% inferior to the best model found in the literature. Resumo: A previsão de demanda de energia elétricaé bastante discutida na literatura, seja aplicadaà consumidores individuais ouà sistemas interligados. A partir de conjuntos de dados históricos são construídos modelos que tentam descrever o comportamento da demanda em um horizonte de tempo predeterminado. Neste trabalho, aplica-se o método de aprendizagem de máquina supervisionado conhecido como máquina de vetores de suporte, voltadaà regressão, para desenvolver um modelo de previsão de demanda para o campus sede da Universidade de Caxias do Sul a médio prazo. A seleção dos dados históricos que integram o modeloé realizada por meio de seleção aditiva e são empregados, na determinação dos parâmetros para a construção do modelo final, os métodos busca em grade e algoritmo genético. O melhor modelo deste trabalho, cujo erro percentual absoluto médio foi de 5,72%, distanciou-se em 4,26 % do melhor modelo encontrado na literatura.