Título: Aplicação Híbrida com Redes Neurais Profundas e Algoritmo Genético para Previsão de Séries Temporais do Sistema de Energia Elétrica Brasileira
Autores: Thiago Conte, Bruno Conte and Roberto Oliveira.
Resumo:
O cenário da energia elétrica no Brasil é influenciado por fatores complexos, além de possuir relações não lineares, o que dificulta sua previsibilidade. Para superar esse problema, propomos uma adaptação baseada na combinação de Redes Neurais Artificiais Profundas e Algoritmo Genético – AG para uso na previsão de algumas séries temporais do setor de energia elétrica brasileira. O AG usa um genótipo binário, de 53 bits, que busca o melhor número de camadas intermediárias, melhor número de células e modificações por Dropout para projetar a estrutura do Long Short Term Memory – LSTM e assim aprimorar a predição. Simulações foram realizadas para verificar o desempenho do método proposto em conjuntos de dados do mundo real: Preço de Liquidação das Diferenças e Velocidade do Vento de aerogeradores do Nordeste do Brasil. Verificou-se que a combinação do AG e LSTM tem melhores predições, em comparação com modelo Perceptron Multicamadas – MLP. Esses resultados mostram que, a abordagem é de grande utilidade para aprimorar e consolidar práticas voltadas para regulação de setor elétrico com o uso do PLD, e também para conversão da energia eólica para energia elétrica.
Palavras-chave:
Redes Neurais Profundas, Algoritmo Genético, LSTM.
Páginas: 7
Código DOI: 10.21528/CBIC2021-104
Artigo em pdf: CBIC_2021_paper_104.pdf
Arquivo BibTeX: CBIC_2021_104.bib