Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial

Detalhes bibliográficos
Autor(a) principal: Souza, Daniel Morais de
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/6891
Resumo: Eletricidade é um insumo de uso generalizado nas economias modernas, penetrando nas mais variadas atividades produtivas e de consumo na sociedade. No entanto, as dificuldades de armazenamento em larga escala dessa forma de energia fazem com que a eletricidade seja muito sensível às condições de oferta, a ponto de que problemas de abastecimento rapidamente se convertem em apagões. Dentre vários dispositivos implementados na re-estrutuação do setor elétrico brasileiro (SEB) ao longo dos últimos 17 anos, estão sistemas de previsão de médio e longo-prazos usados por parte dos agentes públicos e privados do setor para reduzir as incertezas dos processos de abastecimento e expansão. A ANEEL chegou a recomendar na NT 292/2008-SER o uso de três metodologias multivariadas alternativas nesses sistemas de previsão, a saber: modelos VAR e VCE, modelos autorregressivos com defasagens distribuídas (ARDL) e modelos estruturais a espaço de estados. A literatura especializada, em que pese a presença de vários estudos propondo modelos de previsão do consumo de eletricidade para os três segmentos residencial, industrial e comercial, apresenta majoritariamente modelos de tipo VAR e VCE. Este estudo atualiza a literatura no que concerne ao uso de modelos VAR e VCE e ao mesmo tempo os compara em termos preditivos com os modelos ARDL e estruturais a espaço de estados. Os resultados encontrados na análise do desempenho preditivo dos modelos mostraram que para o segmento residencial, o modelo com melhor capacidade preditivo foi o modelo estrutural, enquanto que para o segmento comercial foi o modelo VCE e, para o segmento industrial, foi o modelo ARDL. Previsões de 2014 a 2025 foram feitas com o intuito de informar ao mercado brasileiro a demanda de energia para cada segmento. Foram usadas bases de dados disponíveis e atualizadas provenientes das mesmas fontes usadas nos estudos da literatura.
id UFJF_733722da6fd572a7d0bd576979f0de15
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/6891
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Mattos, Rogério Silva dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785994Z8Zanini, Alexandrehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4707553T7Perobelli, Fernanda Finotti Cordeirohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706392H0Oliveira, Fernando Luiz Cyrinohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4746717Y1Almeida, Eduardo Simões dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4797699P4http://lattes.cnpq.br/Souza, Daniel Morais de2018-06-27T15:04:32Z2018-06-142018-06-27T15:04:32Z2018-02-19https://repositorio.ufjf.br/jspui/handle/ufjf/6891Eletricidade é um insumo de uso generalizado nas economias modernas, penetrando nas mais variadas atividades produtivas e de consumo na sociedade. No entanto, as dificuldades de armazenamento em larga escala dessa forma de energia fazem com que a eletricidade seja muito sensível às condições de oferta, a ponto de que problemas de abastecimento rapidamente se convertem em apagões. Dentre vários dispositivos implementados na re-estrutuação do setor elétrico brasileiro (SEB) ao longo dos últimos 17 anos, estão sistemas de previsão de médio e longo-prazos usados por parte dos agentes públicos e privados do setor para reduzir as incertezas dos processos de abastecimento e expansão. A ANEEL chegou a recomendar na NT 292/2008-SER o uso de três metodologias multivariadas alternativas nesses sistemas de previsão, a saber: modelos VAR e VCE, modelos autorregressivos com defasagens distribuídas (ARDL) e modelos estruturais a espaço de estados. A literatura especializada, em que pese a presença de vários estudos propondo modelos de previsão do consumo de eletricidade para os três segmentos residencial, industrial e comercial, apresenta majoritariamente modelos de tipo VAR e VCE. Este estudo atualiza a literatura no que concerne ao uso de modelos VAR e VCE e ao mesmo tempo os compara em termos preditivos com os modelos ARDL e estruturais a espaço de estados. Os resultados encontrados na análise do desempenho preditivo dos modelos mostraram que para o segmento residencial, o modelo com melhor capacidade preditivo foi o modelo estrutural, enquanto que para o segmento comercial foi o modelo VCE e, para o segmento industrial, foi o modelo ARDL. Previsões de 2014 a 2025 foram feitas com o intuito de informar ao mercado brasileiro a demanda de energia para cada segmento. Foram usadas bases de dados disponíveis e atualizadas provenientes das mesmas fontes usadas nos estudos da literatura.Electricity is an input of widespread use in modern economies, penetrating in the most varied productive and consumption activities in society. However, the difficulties of large-scale storage make electricity very sensitive to supply conditions, to the point that supply problems quickly turns into blackouts. Among several devices implemented in the re-structuring of the Brazilian electricity sector (SEB) over the last 17 years, medium and long-term forecasting systems are used by public and private sector agents to reduce the uncertainties of the supply processes and expansion. ANEEL recommend in NT 292/2008-SER the use of three alternative multivariate methodologies in these prediction systems, namely: VAR and VCE models, autoregressive models with distributed lags (ARDL), and state space structural models. The specialized literature, despite the presence of several studies proposing models of prediction of the consumption of electricity for the three residential, industrial and commercial segments, mainly presents models of type VAR and VCE. This study updates the literature regarding the use of VAR and VCE models and at the same time compares them in predictive terms with the ARDL and structural state space models. The results found in the predictive model analysis showed that for the residential segment, the model with the best predictive capacity was the structural model, while for the commercial segment it was the VCE model and, for the industrial segment, it was the ARDL model. Forecasts from 2014 to 2025 were made with the intention of informing the Brazilian market the energy demand for each segment. Available and updated databases from the same sources used in literature studies were used.porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em EconomiaUFJFBrasilFaculdade de EconomiaCNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIADemanda de energia elétricaModelos de séries de tempoMétodos de previsão e prediçãoElectricity demandTime-series modelsForecasting and prediction methodsComparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTHUMBNAILdanielmoraisdesouza.pdf.jpgdanielmoraisdesouza.pdf.jpgGenerated Thumbnailimage/jpeg1153https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/4/danielmoraisdesouza.pdf.jpg39ba5957da8f3f99d176178fbb01a813MD54ORIGINALdanielmoraisdesouza.pdfdanielmoraisdesouza.pdfapplication/pdf1277495https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/1/danielmoraisdesouza.pdf7c2517a5b98a6f70aa787d954cd0c84aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82197https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/2/license.txt000e18a5aee6ca21bb5811ddf55fc37bMD52TEXTdanielmoraisdesouza.pdf.txtdanielmoraisdesouza.pdf.txtExtracted texttext/plain247595https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/3/danielmoraisdesouza.pdf.txt4d70c110acb74b26c7bae222f4c6d47cMD53ufjf/68912019-06-16 09:51:36.265oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2019-06-16T12:51:36Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
title Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
spellingShingle Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
Souza, Daniel Morais de
CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Demanda de energia elétrica
Modelos de séries de tempo
Métodos de previsão e predição
Electricity demand
Time-series models
Forecasting and prediction methods
title_short Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
title_full Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
title_fullStr Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
title_full_unstemmed Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
title_sort Comparação de abordagens econométricas alternativas para modelagem da demanda anual de eletricidade no Brasil nos segmentos residencial, industrial e comercial
author Souza, Daniel Morais de
author_facet Souza, Daniel Morais de
author_role author
dc.contributor.advisor1.fl_str_mv Mattos, Rogério Silva de
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785994Z8
dc.contributor.advisor-co1.fl_str_mv Zanini, Alexandre
dc.contributor.advisor-co1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4707553T7
dc.contributor.referee1.fl_str_mv Perobelli, Fernanda Finotti Cordeiro
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706392H0
dc.contributor.referee2.fl_str_mv Oliveira, Fernando Luiz Cyrino
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4746717Y1
dc.contributor.referee3.fl_str_mv Almeida, Eduardo Simões de
dc.contributor.referee3Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4797699P4
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/
dc.contributor.author.fl_str_mv Souza, Daniel Morais de
contributor_str_mv Mattos, Rogério Silva de
Zanini, Alexandre
Perobelli, Fernanda Finotti Cordeiro
Oliveira, Fernando Luiz Cyrino
Almeida, Eduardo Simões de
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
topic CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Demanda de energia elétrica
Modelos de séries de tempo
Métodos de previsão e predição
Electricity demand
Time-series models
Forecasting and prediction methods
dc.subject.por.fl_str_mv Demanda de energia elétrica
Modelos de séries de tempo
Métodos de previsão e predição
Electricity demand
Time-series models
Forecasting and prediction methods
description Eletricidade é um insumo de uso generalizado nas economias modernas, penetrando nas mais variadas atividades produtivas e de consumo na sociedade. No entanto, as dificuldades de armazenamento em larga escala dessa forma de energia fazem com que a eletricidade seja muito sensível às condições de oferta, a ponto de que problemas de abastecimento rapidamente se convertem em apagões. Dentre vários dispositivos implementados na re-estrutuação do setor elétrico brasileiro (SEB) ao longo dos últimos 17 anos, estão sistemas de previsão de médio e longo-prazos usados por parte dos agentes públicos e privados do setor para reduzir as incertezas dos processos de abastecimento e expansão. A ANEEL chegou a recomendar na NT 292/2008-SER o uso de três metodologias multivariadas alternativas nesses sistemas de previsão, a saber: modelos VAR e VCE, modelos autorregressivos com defasagens distribuídas (ARDL) e modelos estruturais a espaço de estados. A literatura especializada, em que pese a presença de vários estudos propondo modelos de previsão do consumo de eletricidade para os três segmentos residencial, industrial e comercial, apresenta majoritariamente modelos de tipo VAR e VCE. Este estudo atualiza a literatura no que concerne ao uso de modelos VAR e VCE e ao mesmo tempo os compara em termos preditivos com os modelos ARDL e estruturais a espaço de estados. Os resultados encontrados na análise do desempenho preditivo dos modelos mostraram que para o segmento residencial, o modelo com melhor capacidade preditivo foi o modelo estrutural, enquanto que para o segmento comercial foi o modelo VCE e, para o segmento industrial, foi o modelo ARDL. Previsões de 2014 a 2025 foram feitas com o intuito de informar ao mercado brasileiro a demanda de energia para cada segmento. Foram usadas bases de dados disponíveis e atualizadas provenientes das mesmas fontes usadas nos estudos da literatura.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-06-27T15:04:32Z
dc.date.available.fl_str_mv 2018-06-14
2018-06-27T15:04:32Z
dc.date.issued.fl_str_mv 2018-02-19
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 https://repositorio.ufjf.br/jspui/handle/ufjf/6891
url https://repositorio.ufjf.br/jspui/handle/ufjf/6891
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 Juiz de Fora (UFJF)
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Economia
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Economia
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/4/danielmoraisdesouza.pdf.jpg
https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/1/danielmoraisdesouza.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/2/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/6891/3/danielmoraisdesouza.pdf.txt
bitstream.checksum.fl_str_mv 39ba5957da8f3f99d176178fbb01a813
7c2517a5b98a6f70aa787d954cd0c84a
000e18a5aee6ca21bb5811ddf55fc37b
4d70c110acb74b26c7bae222f4c6d47c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1801661417587212288