REDES NEURAIS ARTIFICIAIS APLICADAS AO GERENCIAMENTO DE ENERGIA EM MICROPROCESSADORES DE BAIXA POTÊNCIA.

Sistemas computacionais que operam em locais remotos como satélites, estações meteorológicas remotas e robôs autônomos são altamente limitados quanto a disponibilidade de energia para sua operação. Esse trabalho tem o objetivo de empregar algoritmos de inteligência artificial no gerenciamento de energia de forma a se obter o máximo rendimento energético realizando a previsão da disponibilidade de energia. O trabalho apresenta os principais tipos de algoritmos utilizados em inteligência artificial e apresenta a criação de um protótipo que irá operar como um sistema low power alimentado por baterias e uma pequena placa solar, o protótipo realiza inferências no algoritmo de redes neurais LSTM de modo a prever a futura disponibilidade de energia, consequentemente o sistema de gerenciamento realiza a distribuição de energia a fim de se obter a máxima operação do protótipo sem que haja a descarga total das baterias. Para que o sistema de inteligência artificial pudesse ser embarcado no protótipo foi utilizado o framework TensorFlow Lite que permite realizar a inferência em dispositivos de baixo consumo e limitado poder de processamento.
Palavras-chave: Inteligência Artificia, Low Power , Gerenciamento de energia, LSTM.