Modelos de Machine Learning na gestão de consumos de energia

Ao longo destes últimos anos, a quantidade de sensores espalhados pelas cidades tem aumentado significativamente, o que, por consequência, leva a um incremento no volume de dados, originando o Big Data. Muitos desses sensores foram colocados em candeeiros e em contadores de energia elétrica, permitindo, tanto ao utilizador, como ao município, verificar os respetivos consumos, muitas vezes em tempo real, fazendo da cidade uma cidade inteligente. Com essa grande quantidade de dados gerada, seria possível aplicar técnicas de machine learning, com o objetivo de fazer previsões de dados no tempo, encontrar anomalias, efetuar algumas estatísticas e retirar informações úteis. Isto permite que o município consiga ir em conta aos seus objetivos, tornando a cidade numa cidade sustentável, melhorando, assim, a qualidade de vida dos seus cidadãos. Em suma, com este trabalho pretende-se criar modelos de machine learning, utilizando bibliotecas de código aberto (e. g. TensorFlow, Keras) sobre dados reais de energia elétrica de uma cidade, com o objetivo de prever os consumos para os próximos tempos, de forma a que o município tenha uma melhor tomada de decisão. Aliada a esta previsão, pretende-se, também, criar uma REST API que disponibilize essas previsões numa ferramenta de business intelligence, para que o município possa ter uma melhor visão das mesmas. No geral, com a previsão dos consumos, será possível resolver o problema, que é mútuo não só a municípios, mas também a outras entidades, da verificação da gestão do orçamento em relação à energia e indo em conta às suas expectativas.ABSTRACT: Over the past few years, the number of sensors spread across cities has significantly increased, which, consequently, leads to an increase in data volume, giving rise to Big Data. Many of these sensors were placed in street lamps and electricity meters, allowing both the user and municipal entities to check their consumptions, often in real time, making the city a smart city. With this large amount of generated data, it would be possible to apply machine learning techniques, with the objective of making data predictions over time, finding anomalies, performing some statistics and finding useful information. This allows the municipal entity to reach its objectives, making the city a sustainable city, improving the quality of its citizens life. In short, this work intends to create machine learning models, using open source libraries (e. g. TensorFlow, Keras) on real electric energy data from a city, in order to predict consumption data for the next times, so that the municipality has better decision-making. Allied to this forecast, it is also intended to create a REST API that makes these forecasts available in a business intelligence tool, so that the municipality can have a better view of them. In general, with the consumption forecasts, it will be possible to solve the problem, which is mutual not only for municipal entities, but also for other entities, of verifying the management of the budget in relation to energy and over-reaching their expectations