Sistema IoT para Medição, Monitoramento e Previsão do Consumo de
Energia baseado em PSO-LSTM
Gestão do consumo de energia. Consumo racional. Medidor
IoT. Monitoramento remoto. Redes PSO-LSTM. Previsão multistep. Tr
Este trabalho visa aprimorar a gestão do consumo de energia da unidade de
captação e transporte de água EEAB Duas Unas, da Compesa. Diante do
crescimento médio global de 3,4% na demanda por energia elétrica e do
impacto do setor de saneamento, onde a Compesa respondeu por 4,3% do
consumo de Pernambuco em 2022, desenvolveu-se um sistema integrado de
medição, monitoramento e previsão energética. Implementou-se um medidor IoT
para coletar tensão e corrente, processar e disponibilizar dados em tempo
real via interface Web. Além disso, um modelo preditivo baseado em deep
learning, utilizando transfer learning, concatenação de datasets, LSTM uni
e multivariável e ensemble learning, foi desenvolvido para previsão
multistep do consumo nos próximos três meses. Os hiperparâmetros do modelo
são otimizados através do algoritmo PSO. O modelo recebe dados históricos
coletados pelo medidor IoT para realizar as previsões. Os resultados
demonstram alta precisão: o MAPE do medidor IoT na coleta e cálculo do
valor RMS da tensão e corrente foi de 0.5% e 1.1%, enquanto a acurácia para
ambas as métricas foi de 100% para o erro de até 5%. O modelo preditivo
reduziu o MAPE em 40% e aumentou a acurácia em 600% para um erro de 5%,
quando comparado ao modelo de referência. Os erros acumulados foram de
3,72%, 0,32% e 0,32% no primeiro, segundo e terceiro mês, respectivamente,
comparados aos dados reais. O sistema foi validado por um modelo de
emulação HIL, comprovando sua capacidade de medição, processamento,
predição e adaptação ao consumo real da EEAB Duas Unas.