Prevendo o Consumo de Energia Usando Conjunto de Instantâneas LSTM Empilhadas

A capacidade de fazer previsões de energia precisas enquanto considera todos os fatores relacionados à energia permite que plantas de produção, órgãos reguladores e governos atendam à demanda de energia e avaliem os efeitos das iniciativas de economia de energia. Quando o consumo de energia se enquadra em parâmetros normais, será possível usar o modelo desenvolvido para prever o consumo de energia e desenvolver melhorias e medidas de mitigação para o consumo de energia. O objetivo deste modelo é prever com precisão o consumo de energia sem limitações de dados e fornecer resultados que sejam facilmente interpretáveis. O modelo proposto é uma implementação do conjunto de instantâneas empilhadas de Long Short-Term Memory (LSTM), combinado com a Transformada Rápida de Fourier (FFT) e um meta-aprendiz. O conjunto de dados de Consumo Elétrico Individual de Residências (IHEPC) de Hebrail e Berard, incorporado com dados meteorológicos, é utilizado para analisar a precisão do modelo na previsão do consumo de energia. O modelo é treinado, e os resultados medidos usando erro quadrático médio (RMSE), erro absoluto médio (MAE), erro percentual absoluto médio (MAPE) e coeficiente de determinação (R^2) são 0,020, 0,013, 0,017 e 0,999, respectivamente. O conjunto de instantâneas LSTM empilhadas apresenta um desempenho melhor do que os modelos comparados com base na precisão da previsão e na minimização de erros. Os resultados deste estudo mostram que a precisão da previsão é alta e a estabilidade do modelo também é alta. O modelo demonstra que altos níveis de precisão comprovam habilidade preditiva precisa, e, juntamente com altos níveis de estabilidade, o modelo possui boa interpretabilidade, que normalmente não é considerada em modelos. No entanto, este estudo mostra que pode-se inferir.