Utilização de técnicas de mineração incremental em aplicações de previsão de consumo de energia elétrica

Abstract

Ao longo do tempo, inúmeras aplicações revelaram a necessidade de aplicação de técnicas de mineração incremental, dado o aumento significativo da informação armazenada nas suas bases de dados e a consequente impossibilidade de realizar um qualquer processo de mineração desde o início, sempre que necessário, envolvendo todos os dados em questão. A rapidez do tempo de resposta num processo de mineração de dados incremental é essencial para as organizações garantirem uma melhor posição no mercado, mas muito difícil de de concretizar quando as bases de dados são muito dinâmicas, com constantes inserções e eliminações de dados. As técnicas de mineração de dados incrementais foram desenvolvidas para acelerar o processo de descoberta de conhecimento. A previsão e a descoberta de conhecimento por parte dos gestores de energia são cruciais para uma utilização racional da eletricidade, um recurso fundamental no funcionamento das sociedades modernas nos dias de hoje. Como tal, a previsão do consumo de eletricidade nas organizações é, assim, muito importante na ajuda a gestão dos processos e na oferta de uma maior segurança em processos de tomada de decisão, contribuindo para a diminuição de custos desnecessários de consumo de energia. Neste trabalho de dissertação pretendeu-se estudar as várias técnicas de mineração de dados incremental atualmente existentes e desenvolver uma aplicação que permitisse fazer a previsão do consumo de energia elétrica num ambiente residencial. A aplicação desenvolvida permitirá aos agentes de decisão ter uma ideia bastante concreta dos consumos de energia elétrica ao longo do tempo, assim como antecipar, para casos de aplicação específicos, períodos de consumo extraordinário de energia elétrica, permitindo aos agentes de decisão atuarem de forma mais expedita sobre tais situações.

Throughout time, countless applications have revealed the need for the application of incremental mining techniques, given the significant increase of data being stored in their databases and the consequent impossibility of executing any mining process from the start, when required, involving all the data in question. A fast response time in an incremental data mining process is essential for organizations to secure market position, but very difficult to achieve when the databases are very dynamic, meaning that insertions and deletion of data happens quite often. The techniques for incremental mining were developed to accelerate the knowledge discovery process. The prediction and discovery of knowledge on the part of energy managers is crucial to a rational use of electricity, which is a key resource in the functioning of modern societies. As such, the estimates of the consumption of electricity in organizations is, nowadays, very important to help in the management of processes and provide greater security in decision-making, thus contributing to the reduction of unnecessary costs of energy consumption. This thesis aimed to study the various existing techniques of incremental data mining and the development of an application that allowed a user to make a forecast of electrical energy residential consumption. The developed application will allow the decision agents to have a quite concrete picture of the consumption of electrical energy over time, and also anticipate, for very specific application cases, periods of extraordinary electrical energy consumption, allowing the decision agents to act more expeditiously on these situations.