REDES NEURAIS APLICADAS NA PREVISÃO DO CONSUMO DE ENERGIA ELÉTRICA DA LAMINAÇÃO A FRIO DA COSIPA: NEURAL NETWORKS APPLIED ON THE ELECTRICAL ENERGY CONSUMPTION FORECAST AT COSIPA ́S COLD ROLLING PLANT

O cálculo da previsão de consumo mensal de energia elétrica da Laminação a Frio da Cosipa utiliza um modelo empírico baseado no volume total da produção do Laminador de Tiras a Frio. Este método fornece uma informação considerada adequada, mas que leva em consideração apenas médias históricas de volumes produção, não sendo possível associar esta previsão com as diferentes características dimensionais dos produtos e suas quantidades individuais no total programado. Dependendo da variedade de produtos, pode-se ter uma considerável alteração no consumo de energia. Isto ocorre porque a energia utilizada no processo de laminação depende, entre outros fatores, da redução de espessura que será aplicada à tira no laminador. A crescente aplicação de redes neurais artificiais, em substituição a modelos convencionais, tem mostrado vantagens, uma vez que elas apresentam respostas muito próximas aos valores reais medidos. Neste trabalho se pretende desenvolver e testar um modelo baseado em redes neurais artificiais (RNA) para a previsão do consumo de energia elétrica na Laminação a Frio em função dos dados do mix de produção. A RNA foi treinada e testada para definir a melhor topologia e um conjunto de pesos capazes de apresentar o melhor desempenho, quando fossem introduzidos na rede dados de entrada diferentes daqueles utilizados no treinamento, demonstrando a sua capacidade de generalização. A comparação dos resultados obtidos pela RNA em relação aos valores estimados pelo modelo atualmente utilizado, mostrou um bom desempenho da RNA.

The calculations to forecast the electrical monthly consumption of the cold rolling plant of Cosipa uses an empirical model based on total production volume of the Tandem Cold Mill. This method provides an information considered suitable, but only considers historical averages of production, do not being possible associate this forecast with different dimensional characteristics of the products and its individual quantities on the total programmed. Depending on the product variety, it is possible to have a considerable change on the energy consumption. It happens because the use of energy on rolling process depends, among other factors, on the thickness reduction that will be applied on the strip at the mill. The growth application of artificial neural networks (ANN), replacing conventional models, has shown advantages, as they presents responses very close to real measured values. In this work it is intended to develop and test a model based on neural networks, to forecast the electrical energy consumption of the cold rolling plant as a function of mix production data. The ANN was trained and tested to define the best topology and the set of weights that could be able to present the better performance when other entry data, different to those used to train the ANN, was introduced in the network, showing its capacity of generalization. The comparison of results attained by the ANN in relation to values estimated by the model presently in use, shown a good performance of the ANN. Was possible to evidence that this technique is a good method to model systems.

Palavras-chave

Redes neurais; Previsão de consumo de energia; Laminação a frio.

Neural networks; Energy consumption forecast; Cold rolling.

Como citar

Carvalho, Amauri Dias de; Silva, Leandro Nunes de Castro; Carvalho, Marco Antônio Patrício; Silva, Mateus Alexandre da; Cupido, Ricardo Gomes da R.; Muratori, Sérgio Luiz. REDES NEURAIS APLICADAS NA PREVISÃO DO CONSUMO DE ENERGIA ELÉTRICA DA LAMINAÇÃO A FRIO DA COSIPA , p. 10-21. In: 10º Seminário de Automação de Processos, Belo Horizonte, 2006.
ISSN: 2594-5335 , DOI 10.5151/2594-5335-0002