Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.195
Aluno: Renan Fernandes da Silva Torres
Orientadora: Profa. Edna Natividade da Silva Barros
Título: Sistema IoT para Medição, Monitoramento e Previsão do Consumo de Energia baseado em PSO-LSTM
Data: 03/04/2025
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Prof. Victor Wanderley da Costa Medeiros(UFRPE / Departamento de Informática)
Prof. Edna Natividade da Silva Barros (UFPE / Centro de Informática)
RESUMO:
Este trabalho visa aprimorar a gestão do consumo de energia da unidade de captação e transporte de água EEAB Duas Unas, da Compesa. Diante do crescimento médio global de 3,4% na demanda por energia elétrica e do impacto do setor de saneamento, onde a Compesa respondeu por 4,3% do consumo de Pernambuco em 2022, desenvolveu-se um sistema integrado de medição, monitoramento e previsão energética. Implementou-se um medidor IoT para coletar tensão e corrente, processar e disponibilizar dados em tempo real via interface Web. Além disso, um modelo preditivo baseado em deep learning, utilizando transfer learning, concatenação de datasets, LSTM uni e multivariável e ensemble learning, foi desenvolvido para previsão multistep do consumo nos próximos três meses. Os hiperparâmetros do modelo são otimizados através do algoritmo PSO. O modelo recebe dados históricos coletados pelo medidor IoT para realizar as previsões. Os resultados demonstram alta precisão: o MAPE do medidor IoT na coleta e cálculo do valor RMS da tensão e corrente foi de 0.5% e 1.1%, enquanto a acurácia para ambas as métricas foi de 100% para o erro de até 5%. O modelo preditivo reduziu o MAPE em 40% e aumentou a acurácia em 600% para um erro de 5%, quando comparado ao modelo de referência. Os erros acumulados foram de 3,72%, 0,32% e 0,32% no primeiro, segundo e terceiro mês, respectivamente, comparados aos dados reais. O sistema foi validado por um modelo de emulação HIL, comprovando sua capacidade de medição, processamento, predição e adaptação ao consumo real da EEAB Duas Unas.
Palavras-chave: Gestão do consumo de energia. Consumo racional. Medidor IoT. Monitoramento remoto. Redes PSO-LSTM. Previsão multistep. Tr
Comentários desativados