1 |
[en] SHORT TERM LOAD FORECASTING MODELS / [pt] MODELOS DE PREVISÃO DE CARGA DE CURTO PRAZOGHEISA ROBERTA TELLES ESTEVES 10 July 2003 (has links)
[pt] Aplicação de duas metodologias, para prever e modelar o
comportamento de uma serie temporal de carga de energia
elétrica, a serie histórica de carga elétrica horária de
uma das concessionárias de energia elétrica do sudeste
brasileiro, a ESCELSA.
Foram aplicadas as metodologias de amortecimento direto, e
uma metodologia recente, o método de Holt-Winters com
múltiplos ciclos. Ambas as metodologias são utilizadas para
fazer previsão horária de carga de energia elétrica,
portanto, é feita, previsão 24 passos a frente. / [en] Application of two diferent metodologies, in order to model
and forecast the behavior of time series of hourly
electrical loads generated by ESCELSA.
Was applied to the time series studied the metodology of
the direct smoothing, and also a recent metodology, the
Holt-Winters with multiple sazonalities. In both of them it
has been done the hourly forecast (24 hours load
forecasting).
|
2 |
[pt] INSERÇÃO DE VARIÁVEIS EXÓGENAS NO MODELO HOLT-WINTERS COM MÚLTIPLOS CICLOS PARA PREVISÃO DE DADOS DE ALTA FREQUÊNCIA OBSERVACIONAL DE DEMANDA DE ENERGIA ELÉTRICA / [en] INTRODUCE EXOGENOUS VARIABLES IN HOLT-WINTERS EXPONENTIAL SMOOTHING WITH MULTIPLE SEASONAL PATTERNS HIGH FREQUENCY ELECTRICITY DEMAND OBSERVATIONS05 November 2021 (has links)
[pt] O objetivo deste trabalho é inserir variáveis exógenas no modelo Holt-Winters com múltiplos ciclos, genuinamente univariado. Serão usados dados horários de demanda de energia elétrica provenientes de uma cidade da região sudeste do Brasil e dados de temperatura, tanto em sua forma primitiva quanto derivada, por exemplo, indicadores de dias quentes, o chamado cooling degree days (CDD). Com isso, pretende-se melhorar o poder preditivo do modelo, gerando previsões com maior acurácia. / [en] The aim of this thesis is to insert exogenous variables in the model Holt-Winters with multiple cycles, genuinely univariate. Hourly data will be used for electricity demand from a city in southeastern Brazil and temperature data, both in its original form as derived, for example, indicators of hot days, cooling degree
days called (CDD). With this, we intend to improve the predictive power of the model, generating predictions with greater accuracy.
|
Page generated in 0.0406 seconds