Aplicação de redes neurais artificiais à previsão do preço da energia elétrica para distintas zonas de mercados desregulamentados

• Ano de defesa: 2018
• Autor(a) principal: Silva, Camila Kamimura
• Orientador(a): Fernandes, Ricardo Augusto Souza
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos; Câmpus São Carlos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação - PPGCC
• Palavras-chave em Português: Mercado de energia; Redes neurais artificiais; Previsão de séries temporais; Preço de energia elétrica
• Palavras-chave em Inglês: Energy market; Artificial neural networks; Time-series forecasting; Energy price
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/11899

The estimation of the energy price plays a crucial role in the current model of commercialization of energy in many countries. Better estimation capacity makes it possible to identify appropriate strategies for market players. Thus, this work aims to determine a methodology to estimate point values and intervals (maximum and minimum) for a day for the Pennsylvania - New Jersey - Maryland energy market through Data Mining, where they will be considered Attribute Selectors and Artificial Neural Networks. In this sense, the responses of neural networks of the Multilayer Perceptron type and of Recurrent Neural Networks will be analyzed, considering different topologies. Keywords: Energy market, Artificial neural networks, Energy Price, Time-series forecasting.