Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro

• Autor(a) principal: Rodrigo de Almeida Nascimento
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/44150
• topic: Previsão do preço de energia; PLD; Redes neurais artificiais; ARIMA; Suavização exponencial; Engenharia mecânica; Energia elétrica - Preços; Redes Neurais (Computação)

Esse trabalho contribui com um estudo comparativo de desempenho de metodologias preditivas de séries temporais na previsão do preço da energia elétrica no mercado de curto prazo brasileiro. Foram aplicados métodos de suavização exponencial, ARIMA e SARIMA, modelos de redes neurais artificiais Multilayer Perceptrons (MLP) com entradas univariadas e multivariadas na previsão do Preço de Liquidações das Diferenças (PLD) do submercado de energia da região Sudeste/Centro-Oeste. Para o modelo Multilayer Perceptrons multivariado, foram selecionadas as variáveis preditoras mais relevantes para a previsão do PLD. Os desempenhos dos modelos foram quantificados por meio de métricas de avaliação de erro de previsão: Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE) e pela avaliação do desempenho em relação à previsão ingênua por meio do coeficiente U de Theil. Os resultados mostram a superioridade de previsão do modelo MLP multivariado em relação aos demais. Esse modelo apresenta ainda uma razoável capacidade de previsão de tendência dos valores do PLD para as semanas mais avançadas.