Previso do Consumo

Residencial de Energia Eltrica

Usando uma Rede Neural
Artificial
Igor Ruys Cartucho
Marcos Jorge Araujo de Souza
Alosio Carlos de Pina
1

Sumrio:
Importncia de economizar energia
Aumento recente dos preos de energia
Ferramentas oferecidas ao consumidor pelas concessionrias
Qual a motivao do trabalho
O que uma rede neural?
Como funciona o projeto de previso de gastos

Por que economizar energia eltrica?

Reduo da conta mensal de energia
Menor sobrecarga na rede, contribuindo para uma melhor gesto de
energia.
Reduo de impactos ambientais.

Impactos ambientais da gerao de energia

Causas do aumento do Preo da Energia

- Problemas no planejamento dos sistemas de gerao e transmisso
- Atraso no trmino nas obras dos sistemas
- Cerca de 13% da energia perdida no processo de transporte
- Reduo de tarifa inadequada

Reajustes em So Paulo

Reajustes no Rio de Janeiro

Bandeiras Tarifrias

Ferramentas Oferecidas ao Consumidor

Medidores de energia (ponteiros, ciclmetro e digital).
Consulta de tarifa parcial.
Acesso ao histrico de consumo.
Simulador de conta online.
Similador de consumo online.

10

Projeo da demanda de energia (MW mdio).

11

Nosso objetivo
Utilizar as tcnicas de aprendizado de mquinas e construir uma rede neural,
para que um usurio da energia eltrica possa prever o consumo futuro de forma
simples e administrar melhor as suas finanas e economizar mais.

12

O que so Redes Neurais Artificiais?

Modelos computacionais baseados em sistemas biolgicos.
As primeiras utilizaes datam de 1943.

13

Redes Neurais
Aplicaes:
Jogos eletrnicos
Processamento de voz
Robtica
Reconhecimento de face

14

Estrutura das redes neurais artificiais

Baseada em sistemas biolgicos de aprendizado.

15

Redes Neurais

Entradas
Pesos
Soma ponderada
Funo de Ativao
Sada

16

Redes Neurais
Funo Sigmide

17

Redes Neurais
Camada Escondida

W1

L1
L2
L3
L4

Y1

W2
W3
W4

Y2
Y3

Y4

18

Redes Neurais
Camada Escondida

L1
L2

L3
L4

19

Redes Neurais
A rede foi construda utilizando a linguagem de programao Python
Funo de converso
Funo Forward
Funo Teste
Funo de Treinamento
20

Funo de Converso

Entradas

21

Funo de Converso

22

Funo Forward
Entradas: L, W, Y
L

W
W1 W1
W2 W2

L1 L 2 L 3 L n

W3 W3

Wn Wn

...
...
...

...

s
23

Funo Forward

24

Funo Teste
Entradas
Calcula o desempenho da rede
Entradas: E, W, Y
Divide a matriz E em L e r

Calcula o erro quadrtico mdio

25

Funo Teste

26

Funo de Treinamento
Inicializao de W e Y
Atualizao dos pesos Y

Atualizao dos pesos W

27

Funo de Treinamento

28

Usando as Funes

Converte(arquivo,n) E
Treinamento(E) W,Y
Teste(E,W,Y) EQM

29

Concluso

30

Bibliografia
MITCHELL, T. M., Machine Learning, McGraw-Hill, New York, NY, 1997
HAYKIN, S., Neural Networks: A Comprehensive Foundation, 2nd Edition, Prentice Hall PTR,
Upper Saddle River, NJ, 1998
www1.folha.uol.com.br/mercado/2015/03/1597178-apos-alta-de-32-aneel-preve-novo-reajuste-medio-de-10-na-energia.shtml

www.light.com.br

www.aeseletropaulo.com.br
www.epe.gov.br/mercado/Documents/S%C3%A9rie%20Estudos%20de%20Energia/20130117_1.pdf

31

Perguntas

32