Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/213194 |
Resumo: | A energia elétrica no mercado de curto prazo, ou mercado spot, é comercializada com base no cálculo do Preço de Liquidação das Diferenças (PLD), e seu cálculo segue uma metodologia complexa e dispendiosa. Buscando uma opção alternativa, o presente trabalho propõe o emprego de métodos estatísticos de previsão dos valores e tendências do PLD, com o intuito de mitigar a insegurança na tomada de decisão dos agentes de mercado. Os modelos propostos empregam como entrada a energia natural afluente, a energia armazenada, as gerações hidrelétrica, térmica e eólica, e a demanda de energia elétrica, divulgadas publicamente pelo ONS, além da série histórica do próprio PLD, divulgada pela CCEE, buscando praticidade para utilização do modelo desenvolvido. As previsões são elaboradas por métodos de análise de séries temporais e de regressão para o horizonte de uma semana no submercado Sul para o patamar de carga pesado. Sequências históricas são empregadas para a construção dos modelos e seus resultados de previsão são validados para os períodos excluídos dessas sequências de dados. O modelo que apresenta melhor acurácia na previsão do PLD é o modelo de análise de séries temporais que emprega a suavização exponencial simples com erros médios de 17,91 % (percentual) e de R$ 28,01/MWh (absoluto). O melhor percentual de acerto de tendência é de 61,36 % obtido a partir de um modelo de regressão linear múltipla. |
id |
UFRGS-2_e4eaf21b35749ad999c6ace4497ca45e |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/213194 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Lagasse, WilliamSchneider, Paulo SmithVenturini, Simone Ferigolo2020-08-29T03:48:04Z2020http://hdl.handle.net/10183/213194001117350A energia elétrica no mercado de curto prazo, ou mercado spot, é comercializada com base no cálculo do Preço de Liquidação das Diferenças (PLD), e seu cálculo segue uma metodologia complexa e dispendiosa. Buscando uma opção alternativa, o presente trabalho propõe o emprego de métodos estatísticos de previsão dos valores e tendências do PLD, com o intuito de mitigar a insegurança na tomada de decisão dos agentes de mercado. Os modelos propostos empregam como entrada a energia natural afluente, a energia armazenada, as gerações hidrelétrica, térmica e eólica, e a demanda de energia elétrica, divulgadas publicamente pelo ONS, além da série histórica do próprio PLD, divulgada pela CCEE, buscando praticidade para utilização do modelo desenvolvido. As previsões são elaboradas por métodos de análise de séries temporais e de regressão para o horizonte de uma semana no submercado Sul para o patamar de carga pesado. Sequências históricas são empregadas para a construção dos modelos e seus resultados de previsão são validados para os períodos excluídos dessas sequências de dados. O modelo que apresenta melhor acurácia na previsão do PLD é o modelo de análise de séries temporais que emprega a suavização exponencial simples com erros médios de 17,91 % (percentual) e de R$ 28,01/MWh (absoluto). O melhor percentual de acerto de tendência é de 61,36 % obtido a partir de um modelo de regressão linear múltipla.Electricity in the short-term market, or spot market, is sold based on the calculation of the Difference Settlement Price (PLD), and its calculation follows a complex and expensive methodology. Looking for an alternative option, the present work proposes the use of statistical methods for forecasting PLD values and trends, in order to mitigate the insecurity in the decision making of the market agents. The proposed models use as input the affluent natural energy, the stored energy, the hydroelectric, thermal and wind generations, and the demand for electric energy, publicly disclosed by ONS, in addition to the historical series of the PLD itself, disclosed by CCEE, seeking practicality for use of the developed model. Forecasts are elaborated using methods of time series analysis and regression for the one-week horizon in the southern Brazilian submarket for the heavy load level. Historical sequences are used to build the models and their forecast results are validated for the periods excluded from these data sequences. The model that presents the best accuracy in the PLD forecast is the time series analysis model that employs simple exponential smoothing with average errors of 17.91% (percentage) and R$ 28.01/MWh (absolute).The best percentage of trend hit is 61.36%, obtained from a multiple linear regression model.application/pdfporEngenharia elétricaSéries temporaisModelos de previsãoElectric powerShort-term electricity priceForecasting modelsTime seriesPrevisão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticasForecasting the spot price behavior of energy in the Brazilian market with statistical tools info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2020Engenharia de Energiagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001117350.pdf.txt001117350.pdf.txtExtracted Texttext/plain92413http://www.lume.ufrgs.br/bitstream/10183/213194/2/001117350.pdf.txt55c54e972844fb4592f11d21d977307aMD52ORIGINAL001117350.pdfTexto completoapplication/pdf1659992http://www.lume.ufrgs.br/bitstream/10183/213194/1/001117350.pdfa6764d1bee72a4921c08d4e6f24d3117MD5110183/2131942022-02-22 05:00:41.163308oai:www.lume.ufrgs.br:10183/213194Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-02-22T08:00:41Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
dc.title.alternative.en.fl_str_mv |
Forecasting the spot price behavior of energy in the Brazilian market with statistical tools |
title |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
spellingShingle |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas Lagasse, William Engenharia elétrica Séries temporais Modelos de previsão Electric power Short-term electricity price Forecasting models Time series |
title_short |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
title_full |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
title_fullStr |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
title_full_unstemmed |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
title_sort |
Previsão do comportamento do preço de liquidação das diferenças (PLD) com ferramentas estatísticas |
author |
Lagasse, William |
author_facet |
Lagasse, William |
author_role |
author |
dc.contributor.author.fl_str_mv |
Lagasse, William |
dc.contributor.advisor1.fl_str_mv |
Schneider, Paulo Smith |
dc.contributor.advisor-co1.fl_str_mv |
Venturini, Simone Ferigolo |
contributor_str_mv |
Schneider, Paulo Smith Venturini, Simone Ferigolo |
dc.subject.por.fl_str_mv |
Engenharia elétrica Séries temporais Modelos de previsão |
topic |
Engenharia elétrica Séries temporais Modelos de previsão Electric power Short-term electricity price Forecasting models Time series |
dc.subject.eng.fl_str_mv |
Electric power Short-term electricity price Forecasting models Time series |
description |
A energia elétrica no mercado de curto prazo, ou mercado spot, é comercializada com base no cálculo do Preço de Liquidação das Diferenças (PLD), e seu cálculo segue uma metodologia complexa e dispendiosa. Buscando uma opção alternativa, o presente trabalho propõe o emprego de métodos estatísticos de previsão dos valores e tendências do PLD, com o intuito de mitigar a insegurança na tomada de decisão dos agentes de mercado. Os modelos propostos empregam como entrada a energia natural afluente, a energia armazenada, as gerações hidrelétrica, térmica e eólica, e a demanda de energia elétrica, divulgadas publicamente pelo ONS, além da série histórica do próprio PLD, divulgada pela CCEE, buscando praticidade para utilização do modelo desenvolvido. As previsões são elaboradas por métodos de análise de séries temporais e de regressão para o horizonte de uma semana no submercado Sul para o patamar de carga pesado. Sequências históricas são empregadas para a construção dos modelos e seus resultados de previsão são validados para os períodos excluídos dessas sequências de dados. O modelo que apresenta melhor acurácia na previsão do PLD é o modelo de análise de séries temporais que emprega a suavização exponencial simples com erros médios de 17,91 % (percentual) e de R$ 28,01/MWh (absoluto). O melhor percentual de acerto de tendência é de 61,36 % obtido a partir de um modelo de regressão linear múltipla. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-08-29T03:48:04Z |
dc.date.issued.fl_str_mv |
2020 |
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/10183/213194 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001117350 |
url |
http://hdl.handle.net/10183/213194 |
identifier_str_mv |
001117350 |
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/10183/213194/2/001117350.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/213194/1/001117350.pdf |
bitstream.checksum.fl_str_mv |
55c54e972844fb4592f11d21d977307a a6764d1bee72a4921c08d4e6f24d3117 |
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_ |
1815447267040034816 |