Tipo:	Trabalho de Conclusão de Curso
Título:	Predição de vazão de uma usina hidrelétrica utilizando deep learning
Título(s) alternativo(s):	Forecasting of water flow in a hydroelectric power plant using LSTM recurrent neural network
Autor(es):	Silva, Diogo Fernandes Costa
Primeiro Orientador:	Galvão Filho, Arlindo Rodrigues
metadata.dc.contributor.referee1:	Carvalho, Rafael Viana de
metadata.dc.contributor.referee2:	Franco, Ricardo Augusto Pereira
metadata.dc.contributor.referee3:	Coelho, Clarimar José
Resumo:	O fluxo de água é uma informação importante para o estudo da produção de energia, bem como a gestão e controle de energia hidrelétrica. A previsão de informações de cenários futuros permite tomar ações a fim de otimizar a geração de energia elétrica. Este trabalho propõe um modelo para gerar a previsão de vazão baseado em uma Rede Neural Recorrente, mais especificamente do tipo Memória de Longo-Curto Prazo (LSTM). O dataset utilizado para validar o modelo LSTM é obtido de um histórico de vazão da Usina Hidrelétrica Jirau, instalada no rio Madeira no estado de Rondônia, Brasil. O modelo foi treinado e testado com a resolução de um passo de tempo de um dia. Resultados experimentais mostraram baixos erros de acordo com a capacidade preditiva. O resultado previsto foi avaliado por uma equipe de especialistas operacionais, da Usina Hidrelétrica Jirau, o qual atestou que os resultados podem ser utilizados em um cenário real. Conclui-se que o modelo LSTM é uma boa estratégia para a previsão de vazão de água para o estudo da eficiência de turbinas hidrelétricas.
Palavras-chave:	Predição de vazão Energia Rede neural recorrente Memória a curto e a longo prazo LSTM Deep learning
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Idioma:	por
País:	Brasil
Editor:	Pontifícia Universidade Católica de Goiás
Sigla da Instituição:	PUC Goiás
metadata.dc.publisher.department:	Escola de Ciências Exatas e da Computação
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.pucgoias.edu.br/jspui/handle/123456789/382
Data do documento:	30-Nov-2020
Aparece nas coleções:	TCC Engenharia de Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.