Avaliação dos mecanismos de previsão energética com fontes renováveis para maximização da matriz energética brasileira utilizando machine learning

Abstract

O presente estudo concentra-se no cenário energético brasileiro e destaca o aumento progressivo do uso de fontes renováveis na matriz de energia elétrica do país. O principal objetivo deste trabalho é contribuir para a busca de soluções e impulsionar debates e reflexões sobre as ações futuras necessárias para o planejamento energético. Para isso, a pesquisa emprega ferramentas computacionais baseadas em machine learning e mineração de dados, utilizando fontes de dados governamentais e de mercado de energia. A metodologia abrange a utilização de ferramentas computacionais para projetar a previsão do mercado de energia elétrica no país, inclui a execução de modelos de previsão, destacando o comportamento do mercado energético ao longo do tempo, a partir dos métodos Redes Neurais Multilayer Perceptron (MLP), Regressão do Processo Gaussiano (GPR) e Regressão Linear para projetar a geração elétrica por fonte no Brasil. Os resultados indicam um crescimento considerável das fontes renováveis no mercado energético nacional até o ano de 2030, aproximando-se do objetivo do Plano Decenal de Expansão de Energia de atingir 90% de renovabilidade, abrangendo fontes como hidrelétrica, biomassa, eólica e solar. O método de Regressão Linear alcançou 86% de renovabilidade, enquanto o método de GPR atingiu 90%, e o método das MLP chegou a 88%. A projeção da previsão do mercado de energia elétrica, possibilitou a identificação dos padrões de comportamento mercadológico, permitindo antecipar as tendências e mudanças no mercado. Essas previsões têm o propósito de fornecer informações para apoiar o desenvolvimento de ações no processo de planejamento energético, contribuindo para a transição para fontes mais sustentáveis e renováveis de energia no Brasil.