Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro

Detalhes bibliográficos
Autor(a) principal: Nametala, Ciniro Aparecido Leite
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/18/18154/tde-16032023-161345/
Resumo: Os mercados livres de energia elétrica vêm gradativamente substituindo modelos monopolistas com o objetivo de incentivar a competitividade. Entretanto, por mais liberal que seja um estado, o aprovisionamento energético é uma preocupação visto que historicamente o consumo de eletricidade apresenta correlação com crescimento econômico. Apesar desta relevância, prever variáveis relacionadas a energia elétrica é uma tarefa difícil devido às características intrínsecas desta commodity. Inelasticidade da demanda, condições climáticas, arcabouços regulatórios diversos e outros fatores tornam estas séries temporais voláteis, singulares e, em grande parte das vezes, não estacionárias. À revelia desta imprevisibilidade, diversos trabalhos vêm reportando sucesso na modelagem de séries como carga, geração e preço. O Brasil é atualmente um campo convidativo à pesquisa, pois desde 2004 tem promovido ações de desregulamentação. No entanto, é ao mesmo tempo um ambiente ainda pouco explorado, especialmente devido ao fato de possuir um mercado livre relativamente recente que opera apenas no atacado, possuir complexa regulação e, adicionalmente, realizar sua formação de custos de operação por meio de modelos matemáticos. Neste contexto, esta tese apresenta uma investigação multidisciplinar envolvendo conceitos em economia, técnicas de inteligência computacional e fundamentos de sistemas elétricos de potência para, no horizonte de curto prazo e com granularidade horária, realizar a modelagem e previsão do Preço de Liquidação de Diferenças (PLD). O PLD em base horária é a referência adotada em 2021 pela Câmara de Comercialização de Energia Elétrica para o mercado de dia seguinte no Brasil. Possui destaque neste documento uma análise histórica dos mercados de eletricidade nacional e mundial, uma revisão bibliográfica dos últimos 20 anos de publicações focadas em previsão energética e, quanto a metodologia, ao desenvolvimento de uma ferramenta capaz de realizar a estimação de cenários futuros no mercado livre de energia nacional para uma semana à frente. Estes cenários integram as previsões do PLD com um modelo de precificação e gestão de riscos capaz de munir o usuário com informações úteis à tomada de decisão. A principal contribuição desta pesquisa trata-se da disponibilização de um produto de inovação tecnológica que, no período de análise, além ter se mostrado mais acurado do que outras técnicas estado da arte na atividade de previsão, também leva em conta quesitos como segurança e rentabilidade ao considerar aspectos econômicos que são também de interesse dos agentes do setor elétrico.
id USP_7b366b6b03f9b36b4220dd42ec92b367
oai_identifier_str oai:teses.usp.br:tde-16032023-161345
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade BrasileiroAttentional Neural Networks applied to modeling and price forecasting in the Brazilian Electricity Marketanálise de séries temporaisaprendizado profundoattention mechanismsBrazilian electricity pricedeep learningelectricity price forecastingmecanismos de atençãopreço da liquidação das diferençasprevisão de preços de eletricidadetime series analysisOs mercados livres de energia elétrica vêm gradativamente substituindo modelos monopolistas com o objetivo de incentivar a competitividade. Entretanto, por mais liberal que seja um estado, o aprovisionamento energético é uma preocupação visto que historicamente o consumo de eletricidade apresenta correlação com crescimento econômico. Apesar desta relevância, prever variáveis relacionadas a energia elétrica é uma tarefa difícil devido às características intrínsecas desta commodity. Inelasticidade da demanda, condições climáticas, arcabouços regulatórios diversos e outros fatores tornam estas séries temporais voláteis, singulares e, em grande parte das vezes, não estacionárias. À revelia desta imprevisibilidade, diversos trabalhos vêm reportando sucesso na modelagem de séries como carga, geração e preço. O Brasil é atualmente um campo convidativo à pesquisa, pois desde 2004 tem promovido ações de desregulamentação. No entanto, é ao mesmo tempo um ambiente ainda pouco explorado, especialmente devido ao fato de possuir um mercado livre relativamente recente que opera apenas no atacado, possuir complexa regulação e, adicionalmente, realizar sua formação de custos de operação por meio de modelos matemáticos. Neste contexto, esta tese apresenta uma investigação multidisciplinar envolvendo conceitos em economia, técnicas de inteligência computacional e fundamentos de sistemas elétricos de potência para, no horizonte de curto prazo e com granularidade horária, realizar a modelagem e previsão do Preço de Liquidação de Diferenças (PLD). O PLD em base horária é a referência adotada em 2021 pela Câmara de Comercialização de Energia Elétrica para o mercado de dia seguinte no Brasil. Possui destaque neste documento uma análise histórica dos mercados de eletricidade nacional e mundial, uma revisão bibliográfica dos últimos 20 anos de publicações focadas em previsão energética e, quanto a metodologia, ao desenvolvimento de uma ferramenta capaz de realizar a estimação de cenários futuros no mercado livre de energia nacional para uma semana à frente. Estes cenários integram as previsões do PLD com um modelo de precificação e gestão de riscos capaz de munir o usuário com informações úteis à tomada de decisão. A principal contribuição desta pesquisa trata-se da disponibilização de um produto de inovação tecnológica que, no período de análise, além ter se mostrado mais acurado do que outras técnicas estado da arte na atividade de previsão, também leva em conta quesitos como segurança e rentabilidade ao considerar aspectos econômicos que são também de interesse dos agentes do setor elétrico.Free electricity markets are gradually replacing monopolistic models to encourage competitiveness. However, no matter how liberal a state is, energy supply is a concern as electricity consumption has historically been correlated with economic growth. Despite this relevance, predicting variables related to electricity is a difficult task due to the intrinsic characteristics of this commodity. Demand inelasticity, weather conditions, diverse regulatory frameworks, and other factors make these time series volatile, singular, and, in most cases, non-stationary. Despite this unpredictability, several studies have reported success in modeling series such as load, generation, and price. Brazil is currently an inviting field for research, as it has been promoting deregulation actions since 2004. However, it is at the same time an environment still little explored, especially because it has a relatively recent free market that operates only wholesale, has complex regulations, and, additionally, carries out its formation of operating costs through mathematical models. In this context, this work presents a multidisciplinary investigation involving concepts in economics, computational intelligence techniques, and fundamentals of electric power systems to, in the shortterm horizon and with hourly granularity, carry out the modeling and forecast of the Differences Settlement Price (DSP). The hourly DSP is the reference adopted in 2021 by the Electric Energy Commercialization Chamber for the day-ahead market in Brazil. This thesis highlights a historical analysis of the national and world electricity markets, a bibliographic review of the last 20 years of publications focused on energy forecasting, and, in terms of methodology, the development of a tool capable of estimating future scenarios in the Brazilian free market for a week ahead. These scenarios integrate PLD forecasts with a pricing and risk management model capable of providing users with useful information for decision-making. The main contribution of this research is, therefore, the availability of a product of technological innovation that, in the period of analysis, in addition to being more accurate than other state-of-the-art techniques in the forecasting activity, also takes into account questions such as security and profitability when considering economic aspects that are also of interest to agents in the electricity sectorBiblioteca Digitais de Teses e Dissertações da USPPereira Junior, Benvindo RodriguesNametala, Ciniro Aparecido Leite2023-02-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18154/tde-16032023-161345/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-03-16T19:49:36Zoai:teses.usp.br:tde-16032023-161345Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-03-16T19:49:36Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
Attentional Neural Networks applied to modeling and price forecasting in the Brazilian Electricity Market
title Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
spellingShingle Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
Nametala, Ciniro Aparecido Leite
análise de séries temporais
aprendizado profundo
attention mechanisms
Brazilian electricity price
deep learning
electricity price forecasting
mecanismos de atenção
preço da liquidação das diferenças
previsão de preços de eletricidade
time series analysis
title_short Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
title_full Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
title_fullStr Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
title_full_unstemmed Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
title_sort Redes Neurais Atencionais aplicadas a modelagem e previsão de preços no Mercado de Eletricidade Brasileiro
author Nametala, Ciniro Aparecido Leite
author_facet Nametala, Ciniro Aparecido Leite
author_role author
dc.contributor.none.fl_str_mv Pereira Junior, Benvindo Rodrigues
dc.contributor.author.fl_str_mv Nametala, Ciniro Aparecido Leite
dc.subject.por.fl_str_mv análise de séries temporais
aprendizado profundo
attention mechanisms
Brazilian electricity price
deep learning
electricity price forecasting
mecanismos de atenção
preço da liquidação das diferenças
previsão de preços de eletricidade
time series analysis
topic análise de séries temporais
aprendizado profundo
attention mechanisms
Brazilian electricity price
deep learning
electricity price forecasting
mecanismos de atenção
preço da liquidação das diferenças
previsão de preços de eletricidade
time series analysis
description Os mercados livres de energia elétrica vêm gradativamente substituindo modelos monopolistas com o objetivo de incentivar a competitividade. Entretanto, por mais liberal que seja um estado, o aprovisionamento energético é uma preocupação visto que historicamente o consumo de eletricidade apresenta correlação com crescimento econômico. Apesar desta relevância, prever variáveis relacionadas a energia elétrica é uma tarefa difícil devido às características intrínsecas desta commodity. Inelasticidade da demanda, condições climáticas, arcabouços regulatórios diversos e outros fatores tornam estas séries temporais voláteis, singulares e, em grande parte das vezes, não estacionárias. À revelia desta imprevisibilidade, diversos trabalhos vêm reportando sucesso na modelagem de séries como carga, geração e preço. O Brasil é atualmente um campo convidativo à pesquisa, pois desde 2004 tem promovido ações de desregulamentação. No entanto, é ao mesmo tempo um ambiente ainda pouco explorado, especialmente devido ao fato de possuir um mercado livre relativamente recente que opera apenas no atacado, possuir complexa regulação e, adicionalmente, realizar sua formação de custos de operação por meio de modelos matemáticos. Neste contexto, esta tese apresenta uma investigação multidisciplinar envolvendo conceitos em economia, técnicas de inteligência computacional e fundamentos de sistemas elétricos de potência para, no horizonte de curto prazo e com granularidade horária, realizar a modelagem e previsão do Preço de Liquidação de Diferenças (PLD). O PLD em base horária é a referência adotada em 2021 pela Câmara de Comercialização de Energia Elétrica para o mercado de dia seguinte no Brasil. Possui destaque neste documento uma análise histórica dos mercados de eletricidade nacional e mundial, uma revisão bibliográfica dos últimos 20 anos de publicações focadas em previsão energética e, quanto a metodologia, ao desenvolvimento de uma ferramenta capaz de realizar a estimação de cenários futuros no mercado livre de energia nacional para uma semana à frente. Estes cenários integram as previsões do PLD com um modelo de precificação e gestão de riscos capaz de munir o usuário com informações úteis à tomada de decisão. A principal contribuição desta pesquisa trata-se da disponibilização de um produto de inovação tecnológica que, no período de análise, além ter se mostrado mais acurado do que outras técnicas estado da arte na atividade de previsão, também leva em conta quesitos como segurança e rentabilidade ao considerar aspectos econômicos que são também de interesse dos agentes do setor elétrico.
publishDate 2023
dc.date.none.fl_str_mv 2023-02-14
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/18/18154/tde-16032023-161345/
url https://www.teses.usp.br/teses/disponiveis/18/18154/tde-16032023-161345/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256558206976000