Solução 3: Previsão de Caudal Turbinado com Ferramentas de Inteligência Artificial
Tema: Modelos de Machine Learning para Previsão Operacional
Esta solução aplica um modelo de Machine Learning para prever o tempo de funcionamento das turbinas de uma barragem com base na série horária de preços de energia, integrando ainda informação temporal (hora e dia da semana).
Arquitetura da Solução
- Obtenção automática de preços horários de energina disponibilizados pela REN
- Previsão para 72h com modelo de IA
- Previsão do tempo de funcionamento com o modelo treinado com dois anos de dados horários
- Conversão do tempo de funcionamento das turbinas para caudal turbinado previsto em m³/s
Exemplo de Resultados
Capacidade de Previsão e Avaliação do Modelo
Os gráficos seguintes mostram a comparação entre valores observados e previstos, tanto para o caudal turbinado como para a energia associada, permitindo avaliar a eficácia do modelo:
Desempenho no treino
Durante o seu desenvolvimento, os modelos foram avaliados com base em séries históricas independentes (test set). Abaixo apresentam-se os resultados dessas comparações:
Vantagens da Abordagem
- Adaptado a padrões reais de mercado
- Fácil integração em sistemas de apoio à decisão
Quer saber mais?
Contacte-nos ou acompanhe a evolução nas redes sociais.
Solution 3: Turbine Flow Forecast Using Artificial Intelligence
Theme: Machine Learning Models for Operational Forecasting
This solution applies a Random Forest model to predict the turbine operation time of a dam based on the hourly electricity price series, combined with temporal information (hour and weekday).
Solution Architecture
- Automatic download of hourly energy prices from REN
- 72-hour forecast using an AI model
- Prediction of operating time using the trained model
- Conversion to predicted turbine discharge in m³/s
Sample Results
Forecast Skill and Model Evaluation
The following plots compare observed and predicted values of turbine flow and energy, illustrating the predictive power of the model:
Performance on Test Series
The models were evaluated using independent historical test sets. The following plots illustrate the performance of the GRU and Random Forest models in reproducing key variables:
Advantages of the Approach
- Adapted to real market patterns
- Easily integrated into decision support systems
Want to know more?
Contact us or follow our updates on social media.