Otimização da previsão de consumos de eletricidade e de gás natural

• Autor(a) principal: Varandas, Bruno dos Santos
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10348/10687
• topic: métodos; previsão

Este trabalho de dissertação realizado em ambiente empresarial e em conjunto com a empresa Goldenergy S.A, surge no âmbito da obtenção do grau de Mestre em Engenharia Mecânica e, simultaneamente, na melhoria das ferramentas de previsão de consumos de eletricidade e de gás natural, atualmente em vigor pela empresa. A Goldenergy S.A é uma empresa comercializadora de eletricidade e de gás natural pelo que necessita de realizar a previsão de consumos dessas energias, com base na sua carteira de clientes, para posteriormente comercializá-la. Sendo ela que faz a compra dessa energia, uma previsão de consumos pouco precisa leva a um custo económico adicional e considerável no final deste processo, tornando-se essencial a utilização de ferramentas otimizadas para realizar esta atividade. O objetivo deste estudo é de analisar a metodologia de previsão atual da empresa e integrar novas abordagens que possam diminuir os erros de previsão e, assim, gerar uma poupança económica. Após terminada esta análise, será desenvolvido um software em Microsoft Windows, na linguagem computacional C#, que englobará todos as fórmulas e conceitos matemáticos dos novos métodos de previsão implementados, permitindo ao gestor de energia realizar a previsão de consumos de eletricidade e de gás natural neste programa. Para os consumos de eletricidade, foi testado e validado o modelo de Holt-Winters com dupla sazonalidade, que foi capaz de reduzir consideravelmente os erros de previsão e gerar uma poupança de cerca de 74.000€ no período de 2020. Foram, também, implementados com sucesso dois modelos distintos para os consumos de gás natural: o modelo de Holt-Winters e um modelo empírico que aplica um fator de correção na previsão inicial feita pela empresa e que tem por base a temperatura média ambiente do dia a prever. As poupanças geradas no ano de 2020, por estes modelos de previsão, foram cerca de 40.000€ e 5000€, respetivamente.