Aplicação de aprendizagem de máquina para previsão de energia eólica gerada
Abstract
A inteligência artificial (IA) tem experimentado avanços significativos nos últimos anos, impulsionando seu crescente campo de aplicação em diversas áreas, entre as quais se destaca a aplicação em sistemas preditivos. Nesses sistemas, ocorre o mapeamento e rotulagem de dados previamente coletados, sendo esses dados utilizados como entrada para algoritmos de IA, que visam prever possíveis valores futuros. Para o presente trabalho foi escolhida uma área, que vem se destacando no Brasil e no mundo, que trata da geração de energia através de geradores eólicos. O presente trabalho explora os conceitos e funcionamento dos modelos preditivos e propõe-se a realizar uma pesquisa de natureza exploratória, a fim de identificar os principais métodos que são utilizados, por meio de uma pesquisa bibliográfica e uma revisão sistemática. A partir desta pesquisa, propõe-se a implementação de dois modelos preditivos mais utilizados na área de problemas de regressão que se tratam dos modelos Long Short Term Memory (LSTM) e o Extreme Gradient Boosting (XGBoost). Após a implementação e treinamento dos modelos propostos, são apresentados os resultados quantificados por métricas, conhecidas e amplamente utilizadas para avaliar os valores obtidos na previsão da energia gerada por estes modelos. [resumo fornecido pelo autor]