SIGEML : Sistema Inteligente de Gestão Energética apoiado por Machine Learning

Abstract

Softwares de gestão de energia são instrumentos importantes no auxílio do monitoramento e controle de sistemas elétricos. Um exemplo dessas ferramentas é o SIGE, responsável pelo armazenamento de dados de medidores e pelo suporte à gerência energética de diversos edifícios da Universidade de Brasília. O SIGE, no entanto, não fornece funcionalidades que permitam análises preditivas ou que gerem curvas de carga características do consumo de energia nos prédios dos campi. Desse modo, propõe-se a criação do SIGEML, uma plataforma que visa preencher tais lacunas, por meio de um ambiente que permita a experimentação e treinamento de modelos de Machine Learning através de dados coletados e disponibilizados pelo SIGE. Portanto, este trabalho elenca os requisitos gerais do SIGEML e analisa a viabilidade do uso de modelos preditivos integrados a ele, através de experimentos que testam a performance de dois algoritmos (ARIMA e LSTM) para séries temporais e três para curvas de carga (regressão linear, SVR e XGBoost) em uma amostra de dados coletada pelo SIGE.