DEEP LEARNING PARA REGRESSÃO DE POTÊNCIA ELÉTRICA DE UMA USINA DE ENERGIA DE CICLO COMBINADO
O uso da energia elétrica tornou-se vital ao ser humano e, em consequência, a análise dos meios de geração de energia também se mostra essencial. A previsão da potência elétrica de uma usina funcionando com carga total possui grande importância no que diz respeito a maximização de energia líquida gerada por horas disponíveis. Nas últimas décadas, houve um aumento expressivo no desenvolvimento e aplicação de modelos computacionais capazes de modelar, projetar e predizer sistemas energéticos com grande eficiência. Uma usina de energia de ciclo combinado é constituída de turbinas a gás, turbinas a vapor e geradores de vapor para recuperação de calor, a energia é gerada pelas turbinas que são combinadas em um ciclo e transferidas de uma a outra. Deep Learning (DL) é um tipo de aprendizado de máquina que visa treinar computadores para realização de tarefas humanas e dentre suas capacidades tem-se a possibilidade de se aplicar regressão. Tendo isso em vista, um modelo de rede neural foi desenvolvido e avaliado utilizando as métricas de Mean Squared Error (MSE) e coeficiente de determinação (R2), com o objetivo de fazer a regressão da Potência. Para isso, foi utilizado um conjunto de dados contidos em um repositório de dados da Universidade da Califórnia, os dados foram obtidos de uma Usina Elétrica de Ciclo Combinado. Por fim, os resultados obtidos foram em média 0,92 para R2 e 20,779 para MSE, o que demonstra uma boa modelagem do sistema com o uso de uma rede neural utilizando um framework de DL.
DEEP LEARNING PARA REGRESSÃO DE POTÊNCIA ELÉTRICA DE UMA USINA DE ENERGIA DE CICLO COMBINADO
-
DOI: 10.22533/at.ed.1572002035
-
Palavras-chave: Energia, Potência Elétrica, Aprendizagem Profunda, Regressão.
-
Keywords: Energy, Eletric Power, Deep Learning, Regression.
-
Abstract:
The use of electric energy has become vital to the human being and, consequently, the analysis of the means of energy generation is also essential. Thus, the prediction of the electric power of a power plant operating at full load is of great importance with regard to the maximization of available energy by hours. In the last decades, there has been an expressive increase in the development and application of computational models capable of modeling, designing and predicting energy systems with great efficiency. A combined cycle power plant is composed of gas turbines, steam turbines and heat recovery steam generators, the turbines are combined in one cycle and transferred from one to another generating the energy. Deep Learning (DL) is a type of machine learning that aims to train computers to perform human tasks and among its capabilities one has the possibility of applying regression. Based on this, a neural network model was developed and evaluated using Mean Squared Error (MSE) and coefficient of determination (R2) metrics, in order to perform the regression of electric energy variable by hour net. For this, a dataset contained in a University of California data repository was used, the data were obtained from a Combined Cycle Power Plant. Finally, the obtained results were on average 0.92 for R2 and 20,779 for MSE, which demonstrates a good modeling of the system with the use of a neural network using a DL framework.
-
Número de páginas: 11
- Anderson Alvarenga de Moura Meneses
- Nelson de Souza Amorim
