Publication
Aplicação de Técnicas de Ciência de Dados na Previsão de Consumos Energéticos
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Grilo, Carlos Fernando de Almeida | |
| dc.contributor.advisor | Sebastião, Fernando José do Nascimento | |
| dc.contributor.advisor | Miragaia, Rolando Lúcio Germano | |
| dc.contributor.author | Sá, José Eduardo Figueiredo Costa Simões de | |
| dc.date.accessioned | 2024-03-12T18:08:23Z | |
| dc.date.available | 2024-03-12T18:08:23Z | |
| dc.date.issued | 2023-11-03 | |
| dc.description.abstract | A adoção das melhores práticas que visem a utilização eficiente de recursos promove o desenvolvimento sustentável o que, por sua vez, se traduz em benefícios sociais e económicos. O presente projeto foca-se nos consumos energéticos de um edifício de serviços, nomeadamente o Núcleo de formação do CENFIM da Marinha Grande, com o objetivo de utilizar ferramentas de ciência de dados para realizar previsões diárias de consumos energéticos. O edifício em estudo promove cursos nas áreas da metalurgia e da metalomecânica, estando equipado com máquinas adequadas para o efeito. Tendo em conta que os consumos energéticos medidos ao longo do tempo podem ser estudados através de séries temporais, este projeto reporta as metodologias e os modelos utilizados usualmente para a sua análise, dividindo-os em dois grupos, os modelos de base estatística, onde se destacam os modelos SARIMA e SARIMAX, e os modelos de aprendizagem computacional, com maior ênfase em redes neuronais do tipo MLP, RNN, LSTM e GRU. O problema foi abordado de várias formas, nomeadamente na definição da quantidade e forma de dias anteriores para realizar a previsão do consumo do dia seguinte, assim como na utilização de variáveis exógenas para melhorar o resultado da previsão, como é o caso da ocupação do edifício. Foi possível obter uma previsão com um MAPE de cerca de 12,5% utilizando o modelo SARIMAX com a ocupação total do edifício por dia como variável exógena. Com as redes neuronais foi apenas utilizada a variável referente ao consumo energético, contudo, várias arquiteturas, tipologias e hiperparâmetros foram testados para cada rede. A rede que apresenta melhor resultado para o problema em questão é a GRU com um MAPE de cerca de 14,5%, embora a MLP apresente um resultado bastante semelhante. | pt_PT |
| dc.identifier.tid | 203550846 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.8/9525 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Consumos energéticos | pt_PT |
| dc.subject | Séries temporais | pt_PT |
| dc.subject | Redes neuronais | pt_PT |
| dc.subject | Previsão | pt_PT |
| dc.subject | Ciência de dados | pt_PT |
| dc.subject | Análise de dados | pt_PT |
| dc.title | Aplicação de Técnicas de Ciência de Dados na Previsão de Consumos Energéticos | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Ciência de Dados | pt_PT |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Projeto_Mestrado_Ciencia_Dados_Jose_Sa.pdf
- Size:
- 5.15 MB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.32 KB
- Format:
- Item-specific license agreed upon to submission
- Description: