O Centro de Sistemas de Energia (CPES) do INESC TEC desenvolveu novos modelos estatísticos e de aprendizagem automática (machine learning) para previsão do consumo de energia elétrica nos nós da rede de transporte, para um horizonte temporal até uma semana. Os modelos vão ser utilizados pelo Operador da Rede de Transporte da Áustria (Austrian Power Grid AG), reduzindo custos operacionais e melhorando a segurança de abastecimento do sistema elétrico.

O trabalho de conceptualização, teste e consultoria dos modelos do projeto, intitulado TSO_LoadForecasting - Statistical learning algorithms for load forecasting in TSO, foi levado a cabo pelos investigadores do CPES Ricardo Bessa, Nuno Fidalgo, Ricardo Andrade, José Paulos e Luís Ribeiro, em parceria com o Energy Institute, da Johannes Kepler University Linz, na Áustria.

 “O INESC TEC tem mais de 20 anos de conhecimento e experiência nesta área de I&D, que estão refletidos neste projeto. Partimos de vários conceitos fundamentais que já estudámos e testámos em ambiente industrial, nomeadamente: engenharia de variáveis automática e manual para extrair informação das séries temporais disponíveis; combinação de múltiplos modelos estatísticos/aprendizagem automática; análise de escalabilidade da solução e complexidade versus precisão do modelo”, afirma Ricardo Bessa, coordenador do CPES.

No projeto, é de destacar a metodologia de engenharia de variáveis desenvolvida pelo INESC TEC, e a capacidade para lidar com dias especiais, tais como feriados.

“É importante referir que este projeto não só demonstra a capacidade de internacionalização do INESC TEC, que já tinha desenvolvido um projeto nesta área para o ENTSO-E, como também demonstra que o I&D desenvolvido em Portugal pode ser distintivo para ser suficientemente atrativo em outros países Europeus”, realça Ricardo Bessa.

Os investigadores mencionados na notícia têm vínculo ao INESC TEC e à FEUP