Análise Estatística da Demanda de Energia da UTFPR-MD Usando Regressão Linear

A previsão da demanda desempenha um papel fundamental na gestão de diversas organizações. Desta maneira, análises de previsão quantitativa e qualitativa da demanda de energia elétrica são de grande valor. O objetivo do presente trabalho é elaborar um algoritmo em Python para a realização de uma análise estatística de sensibilidade da demanda do campus de Medianeira da UTFPR e determinação de fatores influenciadores no consumo de energia elétrica, utilizando a técnica de regressão linear múltipla e dados históricos de demanda, dados meteorológicos e calendário letivo. Para isso, foram utilizadas algumas técnicas de processamento de dados, como normalização de dados, remoção de outliers. O modelo encontrado é testado considerando a divisão treino-teste, de acordo com métricas fornecidas pelo algoritmo de treino do modelo, e com erros MAD e RMSE. O modelo obteve resultados bastante satisfatórios, e quanto às variáveis. Os resultados indicam que a Ocupação proporcional e temperatura máxima do ar mostraram ter mais impacto no consumo de energia elétrica