Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/52319
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Marcelo Azevedo Costa | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0843501351619189 | pt_BR |
dc.contributor.referee1 | Anderson Laécio Galindo Trindade | pt_BR |
dc.contributor.referee2 | Bruno de Almeida Vilela | pt_BR |
dc.contributor.referee3 | Gustavo de Souza Groppo | pt_BR |
dc.contributor.referee4 | Marcos Oliveira Prates | pt_BR |
dc.creator | Tiago Silveira Gontijo | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/2865658247618316 | pt_BR |
dc.date.accessioned | 2023-04-20T18:08:37Z | - |
dc.date.available | 2023-04-20T18:08:37Z | - |
dc.date.issued | 2023-03-02 | - |
dc.identifier.uri | http://hdl.handle.net/1843/52319 | - |
dc.description.abstract | Developing predictive models is a complex task since it deals with the uncertainty and the stochastic behavior of variables. Specifically concerning commodities, accurately predicting their future prices allows for risk minimization and establishment of more reliable decision support mechanisms. Discussion of this issue is extensive, and academic attention is being paid to the construction of nonparametric models to be applied to energy markets. They have presented promising predictive results, which justifies this research. Given the above, the following question is formulated: How is it possible to predict energy prices accurately in the Brazilian spot market? The present thesis provides a systematic literature review of the main forecasting methods applied to the energy sector. In the present study, it was possible to identify research gaps and, thus, propose new predictive models. The present thesis presents predictive models based on the idea of analogs. Analogs consist of scanning a time series and identifying patterns (so-called "matches") that are similar to the last available observations. Additionally, the recent hierarchical time series prediction theory has been incorporated, since many energy databases have well-defined dependency patterns. | pt_BR |
dc.description.resumo | Desenvolver modelos preditivos é uma tarefa complexa, pois envolve a incerteza e o comportamento estocástico de variáveis. Especificamente no que diz respeito às commodities, prever com precisão seus preços futuros permite minimizar riscos e estabelecer mecanismos de suporte à decisão mais confiáveis. A discussão sobre este assunto é extensa, e a atenção acadêmica está sendo dada à construção de modelos não paramétricos para serem aplicados aos mercados de energia. Estes modelos apresentaram resultados preditivos promissores, o que justifica esta pesquisa. Diante do exposto, formula-se o seguinte questionamento: Como é possível prever com precisão os preços de energia no mercado spot brasileiro? A presente tese fornece uma revisão sistemática da literatura sobre os principais métodos de previsão aplicados ao setor de energia. No presente estudo, foi possível identificar lacunas de pesquisa e, assim, propor novos modelos preditivos. Esta tese apresenta modelos preditivos baseados na ideia de análogos. Os análogos consistem no processo de escanear uma série temporal e então, identificar padrões (os chamados "matchs") semelhantes às últimas observações disponíveis. Além disso, a recente teoria hierárquica de previsão de séries temporais foi incorporada, uma vez que muitos bancos de dados de energia têm padrões de dependência bem definidos entre si. | pt_BR |
dc.description.sponsorship | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico | pt_BR |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia de Produção | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Applied statistics | pt_BR |
dc.subject | Big data | pt_BR |
dc.subject | Data science | pt_BR |
dc.subject | Exploratory data analysis | pt_BR |
dc.subject | Electricity price | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.subject | Quantitative methods | pt_BR |
dc.subject | Systematic literature review | pt_BR |
dc.subject | Time series | pt_BR |
dc.subject | Forecasting | pt_BR |
dc.subject.other | Engenharia de produção | pt_BR |
dc.subject.other | Aprendizado do computador | pt_BR |
dc.subject.other | Estatística aplicada | pt_BR |
dc.subject.other | Pesquisa quantitativa | pt_BR |
dc.subject.other | Energia elétrica - Preços | pt_BR |
dc.subject.other | Previsão | pt_BR |
dc.subject.other | Series temporais | pt_BR |
dc.title | Essays on electricity price forecasting | pt_BR |
dc.title.alternative | Ensayos sobre la previsión del precio de la electricidad. | pt_BR |
dc.title.alternative | Ensaios sobre previsão de preços de eletricidade | pt_BR |
dc.title.alternative | Essais sur la prévision des prix de l'électricité | pt_BR |
dc.title.alternative | Essays zur Strompreisprognose | pt_BR |
dc.title.alternative | Saggi sulla previsione dei prezzi dell'elettricità | pt_BR |
dc.title.alternative | 電気料金予測に関するエッセイ | pt_BR |
dc.title.alternative | 電價預測論文 | pt_BR |
dc.title.alternative | 电价预测论文 | pt_BR |
dc.title.alternative | Δοκίμια για την πρόβλεψη τιμών ηλεκτρικής ενέργειας | pt_BR |
dc.title.alternative | Очерки прогнозирования цен на электроэнергию | pt_BR |
dc.title.alternative | Esszék a villamosenergia-árak előrejelzéséről | pt_BR |
dc.title.alternative | De electricity pretio forecasting | pt_BR |
dc.title.alternative | Eseuri despre prognoza prețului energiei electrice | pt_BR |
dc.title.alternative | Eseje na temat prognozowania cen energii elektrycznej | pt_BR |
dc.title.alternative | מאמרים על חיזוי מחירי חשמל | pt_BR |
dc.title.alternative | مقاله پیش بینی قیمت برق | pt_BR |
dc.title.alternative | مقالات عن التنبؤ بأسعار الكهرباء | pt_BR |
dc.type | Tese | pt_BR |
dc.identifier.orcid | https://orcid.org/0000-0003-2636-899X | pt_BR |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tese - Tiago 2023.pdf | Essays on electricity price forecasting | 5.04 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.