Aperfeiçoando a predição multi-período de gás de aciaria utilizando estratégia multi-modal multivariada com modelos LSTM e Ensemble GBDT

Abstract

Este trabalho discute o problema de predição multi período de curto prazo para geração do Linz-Donawitz Gas (LDG), em um processo siderúrgico. Tanto estratégias de linha de base, heurísticas, métodos estatísticos, modelos multi modal multivariado Long Short- Term Memory (LSTM) e Ensemble Gradient Boosting Decision Tree (GBDT) foram propostos e comparados. O melhor método proposto neste trabalho, misturando tarefas de classificação e regressão, apresentou bons resultados na predição de recuperabilidade do LDG. Os resultados dos experimentos sugerem redução do erro absoluto percentual médio de 19.4% para 15.85%, quando comparado a trabalhos análogos em cenários de pesquisa recentes aos estudados na mesma planta siderúrgica. Além disso, uma metodologia foi proposta, a fim de melhorar a comparabilidade de trabalhos futuros neste mesmo tópico de interesse de recuperabilidade do LDG sobre diferentes plantas siderúrgicas, em cenários de predição de curto prazo. Tal trabalho contribui para um avanço na previsibilidade do LDG disponível para operação de Utilidades, viabilizando melhores decisões no uso deste gás na geração de energia pelas termoelétricas e potencialmente minimizando eventos de compra de gás natural da rede.