Um Modelo econométrico para previsão de consumo residencial de energia elétrica no Brasil

• Autor(a) principal: Mendonça, Mario Jorge Cardoso de
• Data de Publicação: 2019
• Outros Autores: Lavagnole, Marcus Gerardus, Pereira Junior, Amaro Olímpio, Cabral, Joilson de Assis
• Idioma: por
• Título da fonte: Repositório Institucional da IPEA (RCIpea)
• Texto Completo: http://repositorio.ipea.gov.br/handle/11058/9441
• topic: IPEA::Indústria::Energia::Energia. Fontes de Energia. Combustíveis::Consumo de Energia; IPEA::Indústria::Energia::Energia Elétrica::Energia Elétrica; IPEA::Condições Econômicas. Pesquisa Econômica. Sistemas Econômicos::Econômica::Pesquisa Econômica::Modelos Econométricos; IPEA::Ciência. Pesquisa. Metodologia::Previsões. Fator Tempo::Previsões. Fator Tempo::Projeções; Consumo regional de energia; Modelo linear dinâmico; Dados em painel; Efeito aleatório; Projeção

Este trabalho aplica o modelo linear dinâmico (MLD) estimado com base na abordagem bayesiana a fim de projetar o consumo de eletricidade para cinco unidades regionais brasileiras. O apelo para o emprego do MLD no caso do consumo de energia se deve ao fato de que, nesse modelo, o ajuste ocorre na unidade de tempo, garantindo projeções mais precisas em séries com alto grau de variabilidade, como é o caso do consumo de energia. Os resultados vieram a corroborar a expectativa quanto à adequação do MLD para o propósito de efetuar projeções. Os diferentes critérios de validação da previsão calculados para um horizonte de doze meses mostraram resultados bastante satisfatórios. Para todos os casos, o MLD apresentou um erro de previsão situado dentro da faixa de 3%, valor tomado como de referência para as concessionárias. No caso das regiões Centro-Oeste, Nordeste e Sul, esse indicador ficou ainda menor. Testamos a robustez do MLD usando um modelo de dados em painel de coeficientes aleatórios (MCA) que permite obter um conjunto de coeficientes distintos para cada região, mas dentro de uma estrutura comum. No que se refere à previsão, o desempenho do MCA também se mostrou razoável, mesmo com desempenho inferior ao do MLD. Com exceção da região Sudeste, o mean absolute percentage error (Mape) do MCA ficou abaixo ou na faixa de 3% para as demais regiões.