Pesquisa científica
PGNN: estudo sobre Itaipu
Prever e testar a coerência física.
Artigo aprovado no Latin.Science 2026
Implementação da rede e pesquisa em coautoria
O cenário operacional com MLP residual atingiu RMSE de 508 MWmed, contra 590 da persistência. Esse resultado não deve ser confundido com os números da ablação do termo físico.
A DECISÃO QUE IMPORTA
Avaliar mais de um tipo de erro
Na ablação, retirar o termo físico reduziu o erro nos dados, mas aumentou o resíduo físico cerca de 33 vezes. Uma métrica isolada não descreve toda a qualidade do modelo.
LEITURA DOS RESULTADOS DA ABLAÇÃO
O que acontece quando o termo físico sai?
O modelo sem o termo físico teve o menor erro nos dados, mas um resíduo físico cerca de 33 vezes maior. Nesta métrica, menor é melhor.
Comparação de ablação descrita no currículo. Estes valores não são o RMSE do cenário operacional com MLP residual. As barras partem de zero e usam a mesma escala.
A pergunta
Como avaliar uma rede neural para geração hidrelétrica considerando tanto o erro da previsão quanto a coerência com a física?
Minha contribuição
Implementei uma rede neural do zero em Rust, sem bibliotecas de machine learning, e trabalhei com dados do ONS de 2015 a 2024. Reservei os anos de 2023 e 2024 para teste e comparei os modelos com uma referência simples: repetir a geração do dia anterior.
O resultado
O cenário operacional com MLP residual alcançou erro de 508 MWmed, contra 590 da referência, e superou essa referência em todos os anos da validação móvel de 2020 a 2024. O artigo foi aprovado no Latin.Science 2026, no Latinoware.
Estudo com dados históricos públicos sobre Itaipu, sem indicação de vínculo com a usina. Na ablação, o modelo sem termo físico apresentou menor erro nos dados, mas resíduo físico cerca de 33 vezes maior. Os resultados não são uma garantia de previsão futura.
Explorar os detalhes técnicos
Retropropagação e Adam implementados à mão e conferidos por gradient check. Cenário operacional com R² de 0,91. O cenário com vazão isolada melhorou pouco sobre a persistência (RMSE 586 contra 590 MWmed). Reprodutibilidade a partir de clone limpo, CI com clippy, testes e SHA-256 dos dados.
