Detecção de determinismo e modelagem preditiva de séries temporais de consumo de energia elétrica

• Autor(a) principal: Tales Argolo Jesus
• Data de Publicação: 2008
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-8CUJ8C
• topic: Engenharia Elétrica; Engenharia elétrica

A previsão de séries temporais de consumo de energia elétrica a longo prazo é tarefa de grande relevância numcontexto que envolve questões relacionadas ao planejamento do mercado energético de um país ou região. Estimativas confiáveis do consumo de energia possibilitam a definição de estratégias que venham a facilitar a ampliação e acapacitação do sistema energético que atende a uma determinada população dentro de um determinado contexto climático, cultural, político, socio-econômico, etc. Opresente trabalho demestrado trata da aplicação dametodologia conhecida como Análise de Dados Sub-Rogados em uma tentativa de detectar determinismo nas sériesde consumo de energia elétrica do Estado deMinas Gerais (Brasil) e do Estado de New England (Estados Unidos da América), bem como da utilização de ferramentas de modelagem matemática existentes em Identificação de Sistemas com a finalidade de se realizarem previsões de tais séries a longo prazo, num horizonte de previsão máximode 60 meses. Ainda na etapa de análise de dados é apresentada uma metodologia para decomposição de séries temporais chamada de Análise Espectral Singular, a qual se mostrou eficiente na extração de características das séries como as suas componentes de tendência.Três foram as ferramentas matemáticas escolhidas para a construção dos modelos preditivos: (i) modelos auto-regressivos múltiplos; (ii) redes neurais artificiais do tipo perceptron multicamada; (iii) e redes neuro-fuzzy do tipo linear local. Além delas, definiu-se um preditor trivial a partir do conhecimento prévio dos comportamentos de tendência e sazonalidade das séries a fim de se ter em mãos uma espécie de modelo mais simples porém útil para a validação das referidas ferramentas utilizadas para lidar com o problema de previsão.No que diz respeito à detecção de determinismo, a aplicação do teste de dados subrogados revelou a existência de informação dinâmica intra-ciclo e entre ciclos na série de consumo de New England, enquanto que no caso da série da CEMIG tal detecção sóse patentou no caso das séries de alguns setores de baixo peso no consumo geral e nas séries agrupadas por unidades de tempo menores do que um mês. Tal verificação se refletiu na etapa de construção de modelos, em que a similitude entre as previsões e osvalores reais de consumo foi mais evidente para série de New England do que para as séries da CEMIG. Em termos de medidas de erro, para as séries de New England e de baixa tensão da CEMIG, omelhormodelo estimado emcada uma das três categorias de modelos aplicados neste trabalho conduziram a medidas de erro percentual absoluto médio (MAPE) sempre abaixo de 3%, considerando-se horizontes de previsão de 60 e 24 meses, respectivamente. Na série de consumo total da CEMIG, oMAPE obtido em um horizonte de 24 meses com os modelos ARM foi inferior a 5%. O único caso em que o preditor trivial superou as outras estratégias preditivas foi no caso da série de consumode baixa tensão da CEMIG, justamente uma das séries para as quais não foi verificada a existência de determinismo intra-ciclo e entre-ciclos via análise de dados sub-rogados, de sorte que um mero ajuste de tendência e sazonalidade à guisa de mapeamento de padrões foi suficiente para a obtenção de um resultado de previsão bastante acurado (MAPE de 1,99% para um horizonte de 24 meses).Mais do que chegar a resultados satisfatórios em termos de minimização das medidas de erro de previsão, este trabalho ratificou o conhecido fato de que a complexidade dos modelos nem sempre está relacionada com a sua capacidade em reproduzir com fidelidade os comportamentos apresentados pelos sistemas que existemnomundo real.