Desafios para Aplicação de MLOps na Previsão do Consumo Energético

Tiago Yukio Fujii, Wilson Vicente Ruggiero, Haroldo L. M. do Amaral, Victor Takashi Hayashi, Reginaldo Arakaki, Khalil Ahmad Khalil
{"title":"Desafios para Aplicação de MLOps na Previsão do Consumo Energético","authors":"Tiago Yukio Fujii, Wilson Vicente Ruggiero, Haroldo L. M. do Amaral, Victor Takashi Hayashi, Reginaldo Arakaki, Khalil Ahmad Khalil","doi":"10.1109/INDUSCON51756.2021.9529843","DOIUrl":null,"url":null,"abstract":"Modelos de previsão do consumo energético residencial a curto prazo (horizonte de horas ou dias) permitem a seus usuários planejar e tomar decisões de modo a reduzir seu consumo. Entretanto, grande parte dos trabalhos acadêmicos nesta área utiliza ambientes offline para experimentação, desconsiderando os desafios de automatização, monitoramento e atualização de modelos em ambientes online. Neste artigo são apresentados os desafios e soluções em estudo de caso, detalhando a implantação em cenário real online de modelos de previsão de consumo em 4 residências brasileiras no período de 2020. Concluiu-se que o uso de boas práticas e métricas para o desenvolvimento em ambientes online não só aumentaram a acurácia das previsões, como também facilitaram o desenvolvimento dos modelos e auxiliaram na velocidade de experimentação e reprodutibilidade de resultados.","PeriodicalId":344476,"journal":{"name":"2021 14th IEEE International Conference on Industry Applications (INDUSCON)","volume":"29 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-08-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"2021 14th IEEE International Conference on Industry Applications (INDUSCON)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1109/INDUSCON51756.2021.9529843","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Modelos de previsão do consumo energético residencial a curto prazo (horizonte de horas ou dias) permitem a seus usuários planejar e tomar decisões de modo a reduzir seu consumo. Entretanto, grande parte dos trabalhos acadêmicos nesta área utiliza ambientes offline para experimentação, desconsiderando os desafios de automatização, monitoramento e atualização de modelos em ambientes online. Neste artigo são apresentados os desafios e soluções em estudo de caso, detalhando a implantação em cenário real online de modelos de previsão de consumo em 4 residências brasileiras no período de 2020. Concluiu-se que o uso de boas práticas e métricas para o desenvolvimento em ambientes online não só aumentaram a acurácia das previsões, como também facilitaram o desenvolvimento dos modelos e auxiliaram na velocidade de experimentação e reprodutibilidade de resultados.
应用MLOps预测能源消耗的挑战
短期住宅能源消耗预测模型(以小时或天为单位)允许用户计划和做出决定,以减少他们的消耗。然而,这一领域的许多学术工作使用离线环境进行实验,忽视了在线环境中模型的自动化、监控和更新的挑战。本文通过案例研究提出了挑战和解决方案,详细介绍了2020年4个巴西家庭消费预测模型在真实在线场景中的实施情况。结论是,在在线环境中使用良好的实践和指标开发不仅提高了预测的准确性,而且促进了模型的开发,有助于实验速度和结果的重现性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信