Previsão do consumo de energia elétrica a curto prazo, usando combinações de métodos univariados

• Ano de defesa: 2014
• Autor(a) principal: Carneiro, Anna Cláudia Mancini da Silva
• Orientador(a): Hippert, Henrique Steinherz
• Banca de defesa: Bastos, Ronaldo Rocha , Faier, José Márcio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Modelagem Computacional
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Previsão de cargas elétricas; Perfis de cargas; Modelos univariados de previsão; Combinação de previsões; Séries temporais; Electrical load forecasting; Load profile; Univariate forecasting models; Combinated forecasts; Time series
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/3509

A previsão de cargas elétricas é fundamental para o planejamento das empresas de energia. O foco deste estudo são as previsões a curto prazo; assim, aplicamos métodos univariados de previsão de séries temporais a uma série real de cargas elétricas de 104 semanas no Rio de Janeiro, nos anos de 1996 e 1997, e experimentamos várias combinações dos métodos de melhor desempenho. As combinações foram feitas pelo método outperformance, uma combinação linear simples, com pesos fixos. Os resultados das combinações foram comparados ao de simulações de redes neurais artificiais que solucionam o mesmo problema, e ao resultado de um método de amortecimento de dupla sazonalidade aditiva. No geral, este método de amortecimento obteve os melhores resultados, e talvez seja o mais adequado e confiável para aplicações práticas, embora necessite de melhorias para garantir a extração completa da informação contida nos dados.