Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/3509
Files in This Item:
File Description SizeFormat 
annaclaudiamancinidasilvacarneiro.pdf1.3 MBAdobe PDFThumbnail
View/Open
Type: Dissertação
Title: Previsão do consumo de energia elétrica a curto prazo, usando combinações de métodos univariados
Author: Carneiro, Anna Cláudia Mancini da Silva
First Advisor: Hippert, Henrique Steinherz
Referee Member: Bastos, Ronaldo Rocha
Referee Member: Faier, José Márcio
Resumo: A previsão de cargas elétricas é fundamental para o planejamento das empresas de energia. O foco deste estudo são as previsões a curto prazo; assim, aplicamos métodos univariados de previsão de séries temporais a uma série real de cargas elétricas de 104 semanas no Rio de Janeiro, nos anos de 1996 e 1997, e experimentamos várias combinações dos métodos de melhor desempenho. As combinações foram feitas pelo método outperformance, uma combinação linear simples, com pesos fixos. Os resultados das combinações foram comparados ao de simulações de redes neurais artificiais que solucionam o mesmo problema, e ao resultado de um método de amortecimento de dupla sazonalidade aditiva. No geral, este método de amortecimento obteve os melhores resultados, e talvez seja o mais adequado e confiável para aplicações práticas, embora necessite de melhorias para garantir a extração completa da informação contida nos dados.
Abstract: Forecasting the demand for electric power is crucial for the production planning in energy utilities. The focus of this study are the short-term forecasts. We apply univariate time series methods to the forecasting of a series containing observations of the energy consumption of 104 weeks in Rio de Janeiro, in 1996 and 1997, and experiment with several combinations of the methods which have the best performance. These combinations are done by the outperformance method, a simple linear combination with fixed weights. The results were compared to those obtained by neural networks on the same problem, and with the results of a exponential smoothing method for dual additive seasonality. Overall, the exponential smoothing method achieved the best results, and was shown to be perhaps the most reliable and suitable for practical applications, even though it needs improvements to ensure complete extraction of the information contained in the data.
Keywords: Previsão de cargas elétricas
Perfis de cargas
Modelos univariados de previsão
Combinação de previsões
Séries temporais
Electrical load forecasting
Load profile
Univariate forecasting models
Combinated forecasts
Time series
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: ICE – Instituto de Ciências Exatas
Program: Programa de Pós-graduação em Modelagem Computacional
Access Type: Acesso Aberto
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/3509
Issue Date: 26-Sep-2014
Appears in Collections:Mestrado em Modelagem Computacional (Dissertações)



Items in DSpace are protected by Creative Commons licenses, with all rights reserved, unless otherwise indicated.