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