Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFMG_13fde5c70976bc0137549a2c083c7b41 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/44150 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Ricardo Poley Martins Ferreirahttp://lattes.cnpq.br/8593011064159611Ricardo Luiz Utsch de Freitas PintoGustavo Rodrigues Lacerda Silvahttp://lattes.cnpq.br/5941161396765959Rodrigo de Almeida Nascimento2022-08-10T17:51:57Z2022-08-10T17:51:57Z2022-01-27http://hdl.handle.net/1843/44150Esse 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.This work contributes to a comparative study of the performance of time series predictive methodologies in forecasting the price of electricity in the Brazilian short-term market. Exponential smoothing methods, ARIMA and SARIMA, models of artificial neural networks Multilayer Perceptrons (MLP) with univariate and multivariate inputs were applied in predicting the PLD (settlement price for the differences) of the energy submarket in the Southeast/Center-West region of Brazil. For the multivariate Multilayer Perceptrons model, the most relevant predictor variables for PLD prediction were selected. The performance of the models was quantified through prediction error evaluation metrics: Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE) and by evaluating the performance in relation to the naive prediction by half of Theil's U coefficient. The results show the prediction superiority of the multivariate MLP model in relation to the others. This model also has a reasonable ability to forecast the trend of PLD values for more advanced periods.porUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia MecanicaUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA MECÂNICAEngenharia mecânicaEnergia elétrica - PreçosRedes Neurais (Computação)Previsão do preço de energiaPLDRedes neurais artificiaisARIMASuavização exponencialEstudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiroinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALEstudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no Mercado de Curto Prazo brasileiro.pdfEstudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no Mercado de Curto Prazo brasileiro.pdfapplication/pdf3580776https://repositorio.ufmg.br/bitstream/1843/44150/1/Estudo%20de%20m%c3%a9todos%20de%20previs%c3%a3o%20de%20s%c3%a9ries%20temporais%20aplicados%20ao%20pre%c3%a7o%20da%20energia%20el%c3%a9trica%20no%20Mercado%20de%20Curto%20Prazo%20brasileiro.pdf655fbcc2aff652b5efbae2766efeabf4MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82118https://repositorio.ufmg.br/bitstream/1843/44150/2/license.txtcda590c95a0b51b4d15f60c9642ca272MD521843/441502022-08-10 14:51:58.091oai:repositorio.ufmg.br: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ório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2022-08-10T17:51:58Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
title |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
spellingShingle |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro Rodrigo de Almeida Nascimento Previsão do preço de energia PLD Redes neurais artificiais ARIMA Suavização exponencial Engenharia mecânica Energia elétrica - Preços Redes Neurais (Computação) |
title_short |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
title_full |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
title_fullStr |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
title_full_unstemmed |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
title_sort |
Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro |
author |
Rodrigo de Almeida Nascimento |
author_facet |
Rodrigo de Almeida Nascimento |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Ricardo Poley Martins Ferreira |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8593011064159611 |
dc.contributor.referee1.fl_str_mv |
Ricardo Luiz Utsch de Freitas Pinto |
dc.contributor.referee2.fl_str_mv |
Gustavo Rodrigues Lacerda Silva |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5941161396765959 |
dc.contributor.author.fl_str_mv |
Rodrigo de Almeida Nascimento |
contributor_str_mv |
Ricardo Poley Martins Ferreira Ricardo Luiz Utsch de Freitas Pinto Gustavo Rodrigues Lacerda Silva |
dc.subject.por.fl_str_mv |
Previsão do preço de energia PLD Redes neurais artificiais ARIMA Suavização exponencial |
topic |
Previsão do preço de energia PLD Redes neurais artificiais ARIMA Suavização exponencial Engenharia mecânica Energia elétrica - Preços Redes Neurais (Computação) |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia mecânica Energia elétrica - Preços Redes Neurais (Computação) |
description |
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. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-08-10T17:51:57Z |
dc.date.available.fl_str_mv |
2022-08-10T17:51:57Z |
dc.date.issued.fl_str_mv |
2022-01-27 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/44150 |
url |
http://hdl.handle.net/1843/44150 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Mecanica |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ENG - DEPARTAMENTO DE ENGENHARIA MECÂNICA |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/44150/1/Estudo%20de%20m%c3%a9todos%20de%20previs%c3%a3o%20de%20s%c3%a9ries%20temporais%20aplicados%20ao%20pre%c3%a7o%20da%20energia%20el%c3%a9trica%20no%20Mercado%20de%20Curto%20Prazo%20brasileiro.pdf https://repositorio.ufmg.br/bitstream/1843/44150/2/license.txt |
bitstream.checksum.fl_str_mv |
655fbcc2aff652b5efbae2766efeabf4 cda590c95a0b51b4d15f60c9642ca272 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1797970972938076160 |