Previsão do consumo de energia elétrica em uma agroindústria: um estudo de caso usando redes LSTM e CNN-LSTM

Abstract

Previsão do consumo de energia elétrica em uma agroindústria: um estudo de caso usando redes LSTM e CNN-LSTM Forecast of electric energy consumption in a agroindustry: a case study using LSTM and CNN-LSTM networks RESUMO Este trabalho tem como objetivo desenvolver e comparar modelos, de Redes Neurais Artificiais (RNA), para previsão do consumo de energia elétrica de uma agroindústria. A base de dados, disponibilizada pela Câmara de Comercialização de Energia Elétrica (CCEE), apresenta uma série histórica, do consumo de energia elétrica, no período entre janeiro de 2020 e janeiro de 2021, representado 6816 observações horárias. Modelos, baseados nas arquiteturas LSTM e CNN-LSTM, foram implementados, na linguagem Python, utilizando o framework Keras. Resultados obtidos dos modelos foram comparados por meio das métricas MAPE (Mean Absolute Percentage Error), MAE (Mean Absolute Error) e RMSE (Root Mean Squared Error). Verificou-se, para um horizonte de 24 horas, que o modelo CNN-LSTM apresentou melhor desempenho.