Palavras-chave
Resumo
Este trabalho tem como objetivo principal desenvolver e analisar modelos preditivos para o consumo de energia elétrica utilizando redes neurais artificiais. O estudo foca especificamente na previsão de consumo na Zona 1 na cidade de Tetouan. O problema de pesquisa parte da necessidade de maximizar a acurácia das previsões em relação a métodos estatísticos tradicionais, como o modelo estatístico ARIMA. A metodologia adotada envolve a construção de modelos de redes neurais artificiais densas totalmente conectadas com diferentes configurações, utilizando funções de ativação como tanh e ReLU, bem como otimizadores como SGD e Adam. Os modelos foram treinados e avaliados com base na métrica MAPE (Erro Percentual Absoluto Médio). Os resultados demonstrara que o modelo com função ReLU e otimizador Adam obteve o melhor desempenho (MAPE de 10,86%), seguido pelo modelo com tanh e SGD (13,76%), ambos superando o modelo ARIMA (18,39%). Gráficos de dispersão, representação das séries temporais e matriz de confusão reforçaram a visualização da superioridade dos modelos propostos, quando comparados aos modelo estatístico diretamente, indicando alta correlação entre os valores reais e previstos. Conclui-se que as redes neurais ofereceram uma solução mais precisa e robusta para a previsão de consumo de energia elétrica no cenário estudado, sendo viáveis para aplicações práticas na previsão de consumo de energia elétrica.