Estudo de métodos de previsão de séries temporais aplicados ao preço da energia elétrica no mercado de curto prazo brasileiro
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Ricardo Luiz Utsch de Freitas Pinto
Gustavo Rodrigues Lacerda Silva
Gustavo Rodrigues Lacerda Silva
Resumo
Esse trabalho contribui com um estudo comparativo de desempenho de metodologias preditivas de séries temporais na previsão do preço da energia elétrica no mercado de curto prazo brasileiro. Foram aplicados métodos de suavização exponencial, ARIMA e SARIMA, modelos de redes neurais artificiais Multilayer Perceptrons (MLP) com entradas univariadas e multivariadas na previsão do Preço de Liquidações das Diferenças (PLD) do submercado de energia da região Sudeste/Centro-Oeste. Para o modelo Multilayer Perceptrons multivariado, foram selecionadas as variáveis preditoras mais relevantes para a previsão do PLD. Os desempenhos dos modelos foram quantificados por meio de métricas de avaliação de erro de previsão: Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE) e pela avaliação do desempenho em relação à previsão ingênua por meio do coeficiente U de Theil. Os resultados mostram a superioridade de previsão do modelo MLP multivariado em relação aos demais. Esse modelo apresenta ainda uma razoável capacidade de previsão de tendência dos valores do PLD para as semanas mais avançadas.
Abstract
This work contributes to a comparative study of the performance of time series predictive methodologies in forecasting the price of electricity in the Brazilian short-term market. Exponential smoothing methods, ARIMA and SARIMA, models of artificial neural networks Multilayer Perceptrons (MLP) with univariate and multivariate inputs were applied in predicting the PLD (settlement price for the differences) of the energy submarket in the Southeast/Center-West region of Brazil. For the multivariate Multilayer Perceptrons model, the most relevant predictor variables for PLD prediction were selected. The performance of the models was quantified through prediction error evaluation metrics: Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE) and by evaluating the performance in relation to the naive prediction by half of Theil's U coefficient. The results show the prediction superiority of the multivariate MLP model in relation to the others. This model also has a reasonable ability to forecast the trend of PLD values for more advanced periods.
Assunto
Engenharia mecânica, Energia elétrica - Preços, Redes Neurais (Computação)
Palavras-chave
Previsão do preço de energia, PLD, Redes neurais artificiais, ARIMA, Suavização exponencial