[en] BAYESIAN STOCHASTIC EXTENSION OF DETERMINISTIC BOTTOM-UP APPROACH FOR THE LONG TERM FORECASTING OF ENERGY CONSUMPTION

• Ano de defesa: 2018
• Autor(a) principal: FELIPE LEITE COELHO DA SILVA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] INFERENCIA BAYESIANA; [pt] METODO DE MONTE CARLO VIA CADEIAS DE MARKOV; [pt] MODELO LINEAR HIERARQUICO; [pt] ABORDAGEM TOP-DOWN; [pt] ABORDAGEM BOTTOM-UP; [pt] SERIES TEMPORAIS HIERARQUICAS; [en] BAYESIAN INFERENCE; [en] MARKOV CHAIN MONTE CARLO; [en] HIERARCHICAL LINEAR MODEL; [en] TOP-DOWN APPROACH; [en] BOTTOM-UP APPROACH; [en] HIERARCHICAL TIME SERIES
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=33006&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=33006&idi=2; http://doi.org/10.17771/PUCRio.acad.33006

[pt] O comportamento do consumo de energia elétrica do setor industrial tem sido amplamente investigado ao longo dos últimos anos, devido a sua importância econômica, social e ambiental. Mais especificamente, o consumo de eletricidade dos subsetores da indústria brasileira exerce grande importância para o sistema energético brasileiro. Neste contexto, as projeções de longo prazo do seu consumo de energia elétrica para um país ou uma região são informações de grande relevância na tomada de decisão de órgãos e entidades que atuam no setor energético. A abordagem bottom-up determinística tem sido utilizada para obter a previsão de longo prazo em diversas áreas de pesquisa. Neste trabalho, propõe-se uma metodologia que combina a abordagem bottom-up com os modelos lineares hierárquicos para a previsão de longo prazo considerando os cenários de eficiência energética. Além disso, foi utilizada a inferência bayesiana para a estimação dos parâmetros do modelo, permitindo a incorporação de incerteza nessas previsões. Os resultados utilizando os dados de consumo de eletricidade de subsetores da indústria brasileira mostraram que a metodologia proposta consegue capturar a tajetória do consumo de eletricidade, em particular, dos subsetores de papel e celulose, e de metais não-ferrosos e outros de metalurgia. Por exemplo, os intervalos de credibilidade de 95 por cento construídos a partir do modelo estocástico contemplam os valores reais observados nos anos de 2015 e 2016.