Aplicação de técnicas de mineração de dados para predição do consumo de energia elétrica em ambiente doméstico

A presente monografia tem como objetivo a aplicação de técnicas de Mineração de Dados, como RNA, KNN e Random Forests, para a predição e análise de resultados, a fim de possíveis tomadas de decisão, na área de energia elétrica no ambiente doméstico. A base de dados utilizada engloba informações como: consumo de energia elétrica em ambientes domésticos e dados meteorológicos, sendo que a residência, que é o objeto de estudo, está localizada na Bélgica. Os registros foram coletados e anotados por Candanedo, Feldheim e Deramaix (2017). Métodos matemáticos foram aplicados, como: análise de correlação para compreender as relações entre atributos/variáveis, e normalização para melhorar a visualização da base, padronizando a escala dos dados. A avaliação e validação dos resultados obtidos deram-se por meio de métricas como, MAE, MAPE e RMSE. Destaca-se que os resultados deste estudo superaram os obtidos na pesquisa base, apresentando resultados de 22,83 para MAE, 22,14% para MAPE e 54,52 para RMSE. E a pesquisa base apresentou resultados de 31,36 para MAE, 29,76% para MAPE e 70,74 para RMSE. Para trabalhos futuros, diversas oportunidades destacam-se para aprimorar e expandir os resultados obtidos. Verificar se o WEKA trata Overfitting. Aplicação de novas técnicas de predição e novos métodos de validação. Outra possível abordagem: análise dos tipos de eletrodomésticos utilizados e os horários de maior demanda de energia, podendo analisar em períodos e intervalos diferentes, como em semanas ou em meses, com foco na identificação de economias na energia e fazer comparações nacionais, se todas as residências economizassem. Por fim, replicar o estudo no contexto brasileiro.