Título
Energy consumption forecasting: a proposed framework
Autor
Mendes, Hugo Miguel Nogueira
Resumo
pt
Com o desenvolvimento de países subdesenvolvidos e a digitalização das
sociedades, é esperado que o consumo de energia continue a apresentar um
crescimento elevado nas próximas décadas. Existindo ainda um grande foco em fontes
fósseis para a geração de energia, a implementação de políticas energéticas são cruciais
para a mudança gradual para energias renováveis e consequente redução de emissões
de CO2. Edifícios são atualmente o sector que mais energia consomem.
De forma a contribuir para uma melhor eficiência no consumo de energia foi
proposta uma framework, a aplicar em edifícios ou apartamentos, para possibilitar aos
utilizadores ter um conhecimento do seu consumo de energia bem como a previsão
desse mesmo consumo.
Diferentes técnicas de análise de dados para séries temporais foram utilizadas para
proporcionar informação ao utilizador sobre o seu consumo de energia bem como a
validação de caraterísticas importantes dos dados, nomeadamente a verificação da
estacionariedade e a existência da sazonalidade, que terão impacto no modelo de
previsão.
Para a definição dos modelos preditivos, foi feita uma revisão de literatura sobre
modelos utilizados atualmente para previsão do consumo de energia e testados três
modelos para os dois tipos de dados, univariados e multivariados. Para os dados
univariados os modelos testados foram SARIMA, Holt-Winters e LSTM e para os
dados multivariados SARIMA com variáveis exógenas, Support Vector Regression e
LSTM. Após a primeira execução de cada modelo, foi feita uma otimização dos
modelos para concluir na melhoria dos resultados previstos e na robustez dos modelos
para posterior aplicação na framework.
en
With the development of underdeveloped countries and the digitization of societies,
energy consumption is expected to continue to show high growth in the coming
decades. While there is still a strong focus on fossil fuels for energy generation, the
implementation of energy policies is crucial to gradually shift to renewable sources
and the consequent reduction in CO2 emissions. Buildings are currently the sector that
consumes the most energy.
To contribute for a better energy consumption efficiency, it was proposed a
framework, to be applied to buildings or households, to allow users to know their
energy consumption and the possibility to forecast it.
Different data analysis techniques for time series were used to provide information
to the user about their energy consumption as well as to validate important data
characteristics, namely stationarity and the existence of seasonality, which can have
an impact in the forecasting models.
For the definition of the forecasting models, state of the art was done to identify
used models for energy consumption forecasting, and three models were tested for
both types of data, univariate and multivariate. For the univariate data, the tested
models were SARIMA, Holt-Winters and LSTM as for the multivariate data,
SARIMA with exogenous variables, Support Vector Regression and LSTM. After the
first execution of each model, hyperparameter tuning was done to conclude on the
improvement of the results and the robustness of the models for later application to the
framework.