Título

APLICAÇÃO DE DATA SCIENCE NA PREVISÃO DE DEMANDA DE ENERGIA ELÉTRICA

APPLICATION OF DATA SCIENCE IN ELECTRICITY DEMAND FORECAST

Autoria

Alcântara, Rivaldo de; Perez, Lucas; Assunção, Renato

DOI

10.5151/2594-5335-39695

Downloads

Baixar Artigo 13 Downloads

Resumo

A matriz energética na Siderurgia é composta principalmente por energia elétrica e térmica. As siderúrgicas são consideradas grandes consumidoras de energia e, para se manterem sustentáveis e competitivas, precisam otimizar seus contratos de consumo de demanda elétrica. O presente trabalho propõe um modelo de regressão para melhoria contínua em eficiência energética e operacional da Usiminas, unidade de Cubatão, transformando o conhecimento interno em uma base de conhecimento explícito com a utilização de Data Science. O modelo proposto recebeu uma série temporal histórica dos dados de produção correlacionados à demanda de energia elétrica consumida, retornando uma predição de valores de demanda a serem contratados. Essa demanda predita deverá sustentar a produção da empresa e possíveis reduções dos valores de energia contratados, baseando-se na projeção da produção para os próximos anos. Os resultados da etapa de teste do modelo, em relação às informações reais de anos passados, se mostram satisfatórios. Isto nos leva a acreditar que a sua aplicação na predição dos valores de demanda elétrica a serem contratados nos proporcionará agilidade e assertividade.

 

The energy matrix in the Steel Industry is composed mainly of electrical and thermal energy. Steelmakers are considered major consumers of energy and, in order to remain sustainable and competitive, they need to optimize their electricity demand consumption contracts. The present work proposes a regression model for continuous improvement in energy and operational efficiency at Usiminas, Cubatão unit, transforming internal knowledge into an explicit knowledge base using Data Science. The proposed model received a historical time series of production data correlated to the consumed electricity demand, returning a prediction of demand values to be contracted. This predicted demand should support the company's production and possible reductions in contracted energy values, based on the projection of production for the coming years. The results of the model's test stage, in relation to real information from past years, are satisfactory. This leads us to believe that its application in predicting the electricity demand values to be contracted will provide us with agility and assertiveness.

Palavras-chave

Energia; Data Science; Predição.

Energy; Data Science; Prediction.