Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/211410 |
Resumo: | O presente trabalho apresenta um método para previsão de demanda de gás natural no mercado brasileiro baseado em modelos estatísticos que capturam a variação do consumo em 4 segmentos principais: residencial e comercial, automotivo, industrial e geração elétrica. Em um primeiro momento é feita a correlação dos dados por regressão simples e múltipla utilizando o software Minitab® e em seguida é aplicado o método de séries temporais clássicas, sendo obtidas curvas estimando o consumo histórico de gás natural para cada um dos segmentos estudados. As ferramentas de previsão foram comparadas através de medidas de acuracidade e pelo coeficiente de determinação, onde ambos apontaram para os mesmos resultados: o setor residencial e comercial, industrial e de geração elétrica obtiveram os menores erros pelo modelo de séries temporais, enquanto, para o segmento automotivo o melhor resultado obtido foi por regressão múltipla. Em todos segmentos a ferramenta de regressão simples obteve os piores resultados. A projeção obtida apenas prevê o alcance dos mesmos níveis de consumo de gás natural de 2014 em 2025, onde estimou-se um consumo de 94,5 milhões de metros cúbicos por dia, sendo a indústria a maior consumidora de gás neste momento. A projeção elaborada neste trabalho foi comparada com a projeção de demanda de gás natural do PDE 2029, onde este se mostrou mais conservador em todos os segmentos, exceto no automotivo. Por fim, são comparadas as estimativas de oferta do PDE com a projeção de demanda do autor, aferindo que em 2028 e 2029 um total de 14 e 34 milhões de metros cúbicos por dia, respectivamente, de gás natural sobrará, podendo ser direcionada para armazenamento ou exportação. |
id |
UFRGS-2_02d658268558f14f6327adb165f76907 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/211410 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Santos, Bruna Marchi dosSchneider, Paulo Smith2020-07-04T03:51:11Z2019http://hdl.handle.net/10183/211410001114195O presente trabalho apresenta um método para previsão de demanda de gás natural no mercado brasileiro baseado em modelos estatísticos que capturam a variação do consumo em 4 segmentos principais: residencial e comercial, automotivo, industrial e geração elétrica. Em um primeiro momento é feita a correlação dos dados por regressão simples e múltipla utilizando o software Minitab® e em seguida é aplicado o método de séries temporais clássicas, sendo obtidas curvas estimando o consumo histórico de gás natural para cada um dos segmentos estudados. As ferramentas de previsão foram comparadas através de medidas de acuracidade e pelo coeficiente de determinação, onde ambos apontaram para os mesmos resultados: o setor residencial e comercial, industrial e de geração elétrica obtiveram os menores erros pelo modelo de séries temporais, enquanto, para o segmento automotivo o melhor resultado obtido foi por regressão múltipla. Em todos segmentos a ferramenta de regressão simples obteve os piores resultados. A projeção obtida apenas prevê o alcance dos mesmos níveis de consumo de gás natural de 2014 em 2025, onde estimou-se um consumo de 94,5 milhões de metros cúbicos por dia, sendo a indústria a maior consumidora de gás neste momento. A projeção elaborada neste trabalho foi comparada com a projeção de demanda de gás natural do PDE 2029, onde este se mostrou mais conservador em todos os segmentos, exceto no automotivo. Por fim, são comparadas as estimativas de oferta do PDE com a projeção de demanda do autor, aferindo que em 2028 e 2029 um total de 14 e 34 milhões de metros cúbicos por dia, respectivamente, de gás natural sobrará, podendo ser direcionada para armazenamento ou exportação.This paper presents a method for forecasting natural gas demand in the Brazilian market based on statistical models that capture the variation in consumption in 4 main segments: residential and commercial, automotive, industrial and electricity generation. Firstly, the data are correlated by simple and multiple regression using the Minitab® software and then the classic time series method is applied. Curves are obtained by estimating the historical consumption of natural gas for each of the segments studied. The forecasting tools were compared through accuracy measures and the coefficient of determination, where both pointed to the same results: the residential and commercial, industrial and electric generation sectors obtained the smallest errors by the time series model, while for the automotive segment the best result was obtained by multiple regression. In all segments the simple regression tool obtained the worst results. The projection obtained only foresees the achievement of the same levels of natural gas consumption in 2014 by 2025, where a consumption of 94.5 million cubic meters per day was estimated with the industry being the largest gas consumer at this time. The projection elaborated in this work was compared with the projection of natural gas demand of PDE 2029, where it was more conservative in all segments, except in automotive. Finally, the PDE supply estimates are compared with the author's projected demand, showing that in 2028 and 2029 a total of 14 and 34 million cubic meters per day, respectively, of natural gas will be left, and can be directed to storage or export.application/pdfporEngenharia de energiaNatural gasDemand projectionMultiple regressionTime seriesProjeção de demanda de gás natural no mercado brasileiro utilizando método estatísticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2019Engenharia de Energiagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001114195.pdf.txt001114195.pdf.txtExtracted Texttext/plain74395http://www.lume.ufrgs.br/bitstream/10183/211410/2/001114195.pdf.txtbb854b9f3ef2dfb2ea4212c7a1d8f23bMD52ORIGINAL001114195.pdfTexto completoapplication/pdf1228212http://www.lume.ufrgs.br/bitstream/10183/211410/1/001114195.pdf88a5751bb1e1c228b2ba988039619ccaMD5110183/2114102020-07-05 03:36:39.24435oai:www.lume.ufrgs.br:10183/211410Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2020-07-05T06:36:39Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
title |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
spellingShingle |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico Santos, Bruna Marchi dos Engenharia de energia Natural gas Demand projection Multiple regression Time series |
title_short |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
title_full |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
title_fullStr |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
title_full_unstemmed |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
title_sort |
Projeção de demanda de gás natural no mercado brasileiro utilizando método estatístico |
author |
Santos, Bruna Marchi dos |
author_facet |
Santos, Bruna Marchi dos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Santos, Bruna Marchi dos |
dc.contributor.advisor1.fl_str_mv |
Schneider, Paulo Smith |
contributor_str_mv |
Schneider, Paulo Smith |
dc.subject.por.fl_str_mv |
Engenharia de energia |
topic |
Engenharia de energia Natural gas Demand projection Multiple regression Time series |
dc.subject.eng.fl_str_mv |
Natural gas Demand projection Multiple regression Time series |
description |
O presente trabalho apresenta um método para previsão de demanda de gás natural no mercado brasileiro baseado em modelos estatísticos que capturam a variação do consumo em 4 segmentos principais: residencial e comercial, automotivo, industrial e geração elétrica. Em um primeiro momento é feita a correlação dos dados por regressão simples e múltipla utilizando o software Minitab® e em seguida é aplicado o método de séries temporais clássicas, sendo obtidas curvas estimando o consumo histórico de gás natural para cada um dos segmentos estudados. As ferramentas de previsão foram comparadas através de medidas de acuracidade e pelo coeficiente de determinação, onde ambos apontaram para os mesmos resultados: o setor residencial e comercial, industrial e de geração elétrica obtiveram os menores erros pelo modelo de séries temporais, enquanto, para o segmento automotivo o melhor resultado obtido foi por regressão múltipla. Em todos segmentos a ferramenta de regressão simples obteve os piores resultados. A projeção obtida apenas prevê o alcance dos mesmos níveis de consumo de gás natural de 2014 em 2025, onde estimou-se um consumo de 94,5 milhões de metros cúbicos por dia, sendo a indústria a maior consumidora de gás neste momento. A projeção elaborada neste trabalho foi comparada com a projeção de demanda de gás natural do PDE 2029, onde este se mostrou mais conservador em todos os segmentos, exceto no automotivo. Por fim, são comparadas as estimativas de oferta do PDE com a projeção de demanda do autor, aferindo que em 2028 e 2029 um total de 14 e 34 milhões de metros cúbicos por dia, respectivamente, de gás natural sobrará, podendo ser direcionada para armazenamento ou exportação. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019 |
dc.date.accessioned.fl_str_mv |
2020-07-04T03:51:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/211410 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001114195 |
url |
http://hdl.handle.net/10183/211410 |
identifier_str_mv |
001114195 |
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.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/211410/2/001114195.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/211410/1/001114195.pdf |
bitstream.checksum.fl_str_mv |
bb854b9f3ef2dfb2ea4212c7a1d8f23b 88a5751bb1e1c228b2ba988039619cca |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1815447265618165760 |