Análise e previsão da energia armazenada em reservatórios hidrelétricos utilizando técnicas de aprendizado de máquina

O presente trabalho propõe uma abordagem para a previsão da energia armazenada em reservatórios hidrelétricos, por meio da aplicação de técnicas de aprendizado de máquina, com destaque para a utilização da rede neural recorrente do tipo LSTM. Utilizou-se como fonte de dados a base Energia Natural Afluente (ENA) Diário por Subsistema, que consiste por valores de energia produzível pelas usinas do Sudeste/Centro-Oeste, disponibilizados pelo Operador Nacional do Sistema Elétrico (2024), realizando um processo de préprocessamento para adequar os dados e em seguida aplicar técnicas de aprendizado de máquina. Esta abordagem permitiu a exploração de padrões históricos de geração e armazenamento de energia, visando o desenvolvimento de modelos de previsão precisos. Posteriormente, foi conduzida uma análise dos resultados obtidos, estacando-se as técnicas que demonstraram melhor desempenho, por meio da avaliação de suas métricas pertinentes. O experimento que mais se destacou foi o Experimento 3, que utilizou médias móveis para suavizar o sinal, obtendo os melhores resultados para as métricas MASE (1,1009) e POCID (93,5094%) com uma janela de suavização de 15 dias.