Previsão de Consumo de Carga em Edifícios Inteligentes Baseada em Redes Neurais LSTM Multivariadas

Abstract

A gestão de energia é fundamental para otimizar o consumo elétrico e reduzir custos, impactando a lucratividade de pequenas e médias empresas. A previsão de consumo energético, viabilizada pela Internet das Coisas (\textit{IoT}), é uma ferramenta relevante na gestão eficaz da energia. Este trabalho apresenta uma estratégia utilizando redes neurais \textit{Long Short-Term Memory} Multivariada (LSTM\textsubscript{Mult.}) para prever o consumo de energia em edifícios comerciais de pequeno ou médio porte em curto prazo. A arquitetura LSTM\textsubscript{Mult.} captura interdependências entre diferentes variáveis de consumo, melhorando a acurácia das previsões. O desempenho do modelo é comparado com modelos baseados em Regressão Linear, ARIMA e LSTM padrão, utilizando uma base de dados de medições de um edifício de 7 andares.