BiLSTM-CNN network applied to the forecast of electricity consumption in agroindustry of the southwest region of Goiás

Resumen

Este trabalho propõe a utilização da rede híbrida BiLSTM-CNN para prever o consumo de energia elétrica de uma agroindústria. A agroindústria está localizada na região sudoeste do estado de Goiás. A rede BiLSTM-CNN é baseada na integração da rede BiLSTM (Bidirectional Long Short Term Memory) com a rede CNN (Bidirectional Long Short Term Memory). A base de dados apresenta uma série diária de consumo de energia entre janeiro/2016 e dezembro/2021, totalizando 2153 observações. Modelos de predição baseados em Redes Neurais Artificiais foram implementados em Python usando o framework Keras. Os resultados obtidos da rede proposta e das redes recorrentes LSTM, GRU e RNN foram comparados usando as métricas R² (Coefficient of Determination), RSME (Root Mean Squared Error), MAPE (Mean Absolute Percent Error) e MAE (Mean Absolute Error). Verificou-se, para um horizonte de 30 dias, que o modelo BiLSTM-CNN apresentou melhor desempenho. Concluiu-se que o modelo de previsão proposto pode servir como ferramenta de apoio aos gestores da agroindústria em estudo.