ESTGV - DI - Relatórios finais (após aprovados pelo júri)
Permanent URI for this collection
Browse
Browsing ESTGV - DI - Relatórios finais (após aprovados pelo júri) by Author "Sério, Francisco António Alves"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Modelos de Machine Learning na gestão de consumos de energiaPublication . Sério, Francisco António Alves; Lacerda, Ana Cristina Wanzeller Guedes de; Pinto, Filipe CabralAo longo destes últimos anos, a quantidade de sensores espalhados pelas cidades tem aumentado significativamente, o que, por consequência, leva a um incremento no volume de dados, originando o Big Data. Muitos desses sensores foram colocados em candeeiros e em contadores de energia elétrica, permitindo, tanto ao utilizador, como ao município, verificar os respetivos consumos, muitas vezes em tempo real, fazendo da cidade uma cidade inteligente. Com essa grande quantidade de dados gerada, seria possível aplicar técnicas de machine learning, com o objetivo de fazer previsões de dados no tempo, encontrar anomalias, efetuar algumas estatísticas e retirar informações úteis. Isto permite que o município consiga ir em conta aos seus objetivos, tornando a cidade numa cidade sustentável, melhorando, assim, a qualidade de vida dos seus cidadãos. Em suma, com este trabalho pretende-se criar modelos de machine learning, utilizando bibliotecas de código aberto (e. g. TensorFlow, Keras) sobre dados reais de energia elétrica de uma cidade, com o objetivo de prever os consumos para os próximos tempos, de forma a que o município tenha uma melhor tomada de decisão. Aliada a esta previsão, pretende-se, também, criar uma REST API que disponibilize essas previsões numa ferramenta de business intelligence, para que o município possa ter uma melhor visão das mesmas. No geral, com a previsão dos consumos, será possível resolver o problema, que é mútuo não só a municípios, mas também a outras entidades, da verificação da gestão do orçamento em relação à energia e indo em conta às suas expectativas.