XGBoost na Previsão da Geração de Energia Elétrica em Parques Eólicos

Vol 1, 2021 - 135484
Submissão
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Neste trabalho, propõe-se um modelo baseado em XGBoost para a previsão da geração de energia elétrica em parques eólicos. O desenvolvimento e a validação do modelo proposto foram realizados através da participação de um dos autores numa competição internacional de Ciência de Dados, que é promovida pela Compagnie Nationale du Rhône, uma empresa francesa que atua no segmento de produção de energia elétrica. A partir de comparações de desempenho realizadas no final da competição com outros métodos concorrentes, foi possível verificar que o modelo proposto previu com boa precisão a dinâmica da produção de energia elétrica gerada em seis parques eólicos, de localização anônima, durante um período de aproximadamente oito meses. Além disso, o modelo proposto tem baixa complexidade. Portanto, possui uma boa relação de custo-benefício, o que favorece seu emprego em condições reais, geralmente menos desafiadoras do que aquelas enfrentadas na competição de Ciência de Dados.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal do Rio Grande do Norte
Eixo Temático
  • 5. Predição de distúrbios, classificação de perturbações e big data analytics aplicadas à operação de sistemas elétricos
Palavras-chave
Previsão
Geração de Energia Elétrica
Parques Eólicos
aprendizado de máquina
XGBoost