Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul

Detalhes bibliográficos
Autor(a) principal: Nunes, Gérson dos Santos
Data de Publicação: 2022
Outros Autores: Mattos, Viviane Leite Dias de, Konrath, Andréa Cristina, Nakamura, Luiz Ricardo, Bornia, Antônio Cezar, Thomaz, Paulo Siga
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/54372
Resumo: This paper presents the modelling of electricity demand in State of Rio Grande do Sul for the three main consumer sectors: residential, commercial and industrial, through the autoregressive vector model, complemented by the error correction vector model. In this approach, we also considered information regarding energy tariff, GDP, appliances and electrical material and equipment prices. The predictive capacity of all fitted models was compared to the Box-Jenkins framework, specifically, with the autoregressive integrated moving average (ARIMA) models. All models were fitted using data from 1971 to 2010, and their validation were performed from 2011 up to 2017. In general, for all three consumer sections, the best predictive capacity was returned by the ARIMA models. Nevertheless, the other models performed better on one-step-ahead predictions.
id UFLA_782ff99179b77e28ec6762a26d95ff68
oai_identifier_str oai:localhost:1/54372
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do SulEvaluation of the predictive capacity of ARIMA and VAR-VEC models: the case of electricity demand in Rio Grande do SulSéries temporaisModelo Box-JenkinsModelo de vetores autorregressivosModelo de correção de erros vetoriaisTime seriesBox-Jenkins modelAutoregressive vector modelError correction vector modelThis paper presents the modelling of electricity demand in State of Rio Grande do Sul for the three main consumer sectors: residential, commercial and industrial, through the autoregressive vector model, complemented by the error correction vector model. In this approach, we also considered information regarding energy tariff, GDP, appliances and electrical material and equipment prices. The predictive capacity of all fitted models was compared to the Box-Jenkins framework, specifically, with the autoregressive integrated moving average (ARIMA) models. All models were fitted using data from 1971 to 2010, and their validation were performed from 2011 up to 2017. In general, for all three consumer sections, the best predictive capacity was returned by the ARIMA models. Nevertheless, the other models performed better on one-step-ahead predictions.O presente estudo apresenta a modelagem da demanda de energia elétrica no estado do Rio Grande do Sul para os três principais setores consumidores: residencial, comercial e industrial, utilizando o modelo vetorial autorregressivo, complementado pelo modelo vetorial de correção dos erros. Nesta modelagem, também foram utilizadas informações a respeito da tarifa de energia elétrica, PIB, preços de eletrodomésticos e preço de materiais e equipamentos elétricos. A capacidade preditiva dos modelos ajustados foi comparada com a do modelo obtido pela modelagem de Box-Jenkins, em especial, o modelo autorregressivo integrado de médias móveis (ARIMA). Para o ajuste dos modelos, foram utilizados dados do período 1971-2010, tendo sua validação realizada no período 2011-17. De maneira geral, para os três setores consumidores, a melhor capacidade preditiva foi obtida a partir dos modelos ARIMA. Entretanto, os outros modelos o suplantaram para a previsão um passo à frente.Universidade Nove de Julho (UNINOVE)2022-08-29T16:48:26Z2022-08-29T16:48:26Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfNUNES, G. dos S. et al. Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul. Exacta, [S.l.], v. 20, n. 2, p. 307-335, abr./jun. 2022. DOI: 10.5585/exactaep.2021.17357.http://repositorio.ufla.br/jspui/handle/1/54372Exactareponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessNunes, Gérson dos SantosMattos, Viviane Leite Dias deKonrath, Andréa CristinaNakamura, Luiz RicardoBornia, Antônio CezarThomaz, Paulo Sigapor2023-05-19T18:49:59Zoai:localhost:1/54372Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-19T18:49:59Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
Evaluation of the predictive capacity of ARIMA and VAR-VEC models: the case of electricity demand in Rio Grande do Sul
title Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
spellingShingle Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
Nunes, Gérson dos Santos
Séries temporais
Modelo Box-Jenkins
Modelo de vetores autorregressivos
Modelo de correção de erros vetoriais
Time series
Box-Jenkins model
Autoregressive vector model
Error correction vector model
title_short Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
title_full Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
title_fullStr Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
title_full_unstemmed Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
title_sort Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul
author Nunes, Gérson dos Santos
author_facet Nunes, Gérson dos Santos
Mattos, Viviane Leite Dias de
Konrath, Andréa Cristina
Nakamura, Luiz Ricardo
Bornia, Antônio Cezar
Thomaz, Paulo Siga
author_role author
author2 Mattos, Viviane Leite Dias de
Konrath, Andréa Cristina
Nakamura, Luiz Ricardo
Bornia, Antônio Cezar
Thomaz, Paulo Siga
author2_role author
author
author
author
author
dc.contributor.author.fl_str_mv Nunes, Gérson dos Santos
Mattos, Viviane Leite Dias de
Konrath, Andréa Cristina
Nakamura, Luiz Ricardo
Bornia, Antônio Cezar
Thomaz, Paulo Siga
dc.subject.por.fl_str_mv Séries temporais
Modelo Box-Jenkins
Modelo de vetores autorregressivos
Modelo de correção de erros vetoriais
Time series
Box-Jenkins model
Autoregressive vector model
Error correction vector model
topic Séries temporais
Modelo Box-Jenkins
Modelo de vetores autorregressivos
Modelo de correção de erros vetoriais
Time series
Box-Jenkins model
Autoregressive vector model
Error correction vector model
description This paper presents the modelling of electricity demand in State of Rio Grande do Sul for the three main consumer sectors: residential, commercial and industrial, through the autoregressive vector model, complemented by the error correction vector model. In this approach, we also considered information regarding energy tariff, GDP, appliances and electrical material and equipment prices. The predictive capacity of all fitted models was compared to the Box-Jenkins framework, specifically, with the autoregressive integrated moving average (ARIMA) models. All models were fitted using data from 1971 to 2010, and their validation were performed from 2011 up to 2017. In general, for all three consumer sections, the best predictive capacity was returned by the ARIMA models. Nevertheless, the other models performed better on one-step-ahead predictions.
publishDate 2022
dc.date.none.fl_str_mv 2022-08-29T16:48:26Z
2022-08-29T16:48:26Z
2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv NUNES, G. dos S. et al. Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul. Exacta, [S.l.], v. 20, n. 2, p. 307-335, abr./jun. 2022. DOI: 10.5585/exactaep.2021.17357.
http://repositorio.ufla.br/jspui/handle/1/54372
identifier_str_mv NUNES, G. dos S. et al. Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul. Exacta, [S.l.], v. 20, n. 2, p. 307-335, abr./jun. 2022. DOI: 10.5585/exactaep.2021.17357.
url http://repositorio.ufla.br/jspui/handle/1/54372
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Nove de Julho (UNINOVE)
publisher.none.fl_str_mv Universidade Nove de Julho (UNINOVE)
dc.source.none.fl_str_mv Exacta
reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1815439330493071360

Registros relacionados