Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-10-13T13:49:58Z No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-10-22T12:56:13Z (GMT) No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) / Made available in DSpace on 2016-10-22T12:56:14Z (GMT). No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) Previous issue date: 2008-02-29 / O objetivo principal desta dissertação é estimar um modelo para a previsão mensal do consumo de energia elétrica no Brasil. Foi utilizada na construção do modelo uma estratégia bottom-up, ou seja, inicialmente, com o uso da metodologia Box & Jenkins, estimou-se um modelo simples auto-projetivo que pudesse fornecer informações sobre o comportamento da série em questão. Num segundo momento, estimou-se um modelo de regressão dinâmica, onde se procurou relacionar o consumo de energia elétrica no país com outras possíveis variáveis causais. Nesta dissertação também é feito um estudo sobre a evolução do setor elétrico no Brasil, enfatizando-se as reformas ocorridas em meados dos anos 1990, o que deu origem ao chamado “novíssimo” modelo institucional do setor elétrico brasileiro. Com a metodologia Box & Jenkins, foi encontrado um modelo SARIMA (0,1,0) x (1,0,0)12 e o modelo de regressão dinâmica indicou que o consumo de energia elétrica no Brasil está relacionado, dentre outros fatores, ao nível de atividade econômica do país. Por fim, foram feitos testes dentro e fora da amostra, com o objetivo de comparar os modelos obtidos, e projeções de consumo para os meses do ano de 2008. / The main point of this dissertation is to find a monthly forecasting model to the Brazilian of electric energy consumption. The methodology consists of the construction of a model using a buttom-up strategy. In other words, it was first adjusted a Box & Jenkins model; i.e., a simple univariate model that could give information about the behavior of the series. Then, a dynamic regression model was fitted which relates brazilian electric energy consumption to all possible explanatory variable. In this dissertation, it was also carried out a study of the Brazilian electricity sector evolution, emphasizing the changes occurred in the nineties, that originated the so called “brand new” institutional model of the Brazilian electricity sector. By mean of the Box & Jenkins method, a SARIMA model (0,1,0) X (1,0,0)12 was found, and the dynamic regression model shows that the consumption of electricity in Brazil is related, among others factors, to the level of the economic activities in the country. Finally, tests in and out of sample were made, with the objective of comparing the obtained models, and the monthly forecasts for the 2008 months were produced by the selected model.

This thesis analyzes the monthly data from historical series of the heat stroke cycles, solar radiation and average wind speeds in the 1961 and 2008 period to identify long-term inaccuracies in the location of both wind and solar sources. The state of Rio Grande do Sul-Brazil, was chosen as a case study, to estimate the behavioral trend of these variables and compare them with the measured data, testing the homogeneity of information. Therefore, it aims at improving the long-term prognosis in locating projects of solar power generation plants. The analysis of these climatic variables was carried out using ARIMA models (autoregressive integrated moving average models) as well as the Box & Jenkins methodology and seasonality studies with the X11 ARIMA models with 5% statistical significance. In this study, the period between 1961 and 2011 indicated that heat stroke rates were not enough to overcome the values recorded in the 1960s and 1970s, when the percentages were in most months 1% below the historical average. The observed heat stroke data suggest decreasing trends in the 1980s and 1990s, due to the presence of the phenomenon called "global dimming", which contributed to lower levels of solar radiation.!A possible structural break has been found in the wind series from August 2001 through the CUSUMQ test (cumulative sum of squares of recursive waste) and the Lane et al test. (2002), leading to higher values and overestimating the final prognosis of wind power. A decrease in the average wind speed was also observed from 2003 to 2011 during six months of these years.!The spring season, often with the highest wind potential had the highest mean decrease while the season with the lowest wind potential, fall, had the opposite behavior during the studied period. By spectral analysis, performed by Fourier method, the time series of sunshine and solar radiation also showed cycles with possible ranges of influence on measurements of the solar energy potential. Such temporal variations in the data, indicate that possible locations for the wind and photovoltaic plants may be seriously affected since longterm weather fluctuations can vary significantly even at the best location selected to generate electricity. / Esta tese analisa os dados mensais das séries históricas dos ciclos de insolação, radiação solar e velocidade média dos ventos para melhorar o prognóstico de longo prazo na localização de áreas para fontes eólicas e solares de geração de potência elétrica. Como estudo de caso, tomou-se o período de dados de 1961 a 2008 para definir imprecisões de longo prazo que podem ocorrer no estado do Rio Grande do Sul, Brasil, na estimativa da tendência comportamental das variáveis meteorológicas e compará-las com dados medidos, testando assim, a homogeneidade das informações. As análises das variáveis climáticas foram realizadas através de modelos ARIMA (modelos autorregressivos integrados de média móvel), por meio da metodologia Box & Jenkins e do estudo da sazonalidade com modelos X11 ARIMA em níveis de significância estatística de 5%. Neste estudo, o período entre 1961 e 2011 indicou que os índices de insolação não foram suficientes para superar os valores verificados nas décadas de 1960 e 1970, em que os percentuais foram na maioria dos meses da ordem de -1% abaixo da média histórica. Os dados observados da insolação sugerem tendências decrescentes nas décadas de 1980 e 1990, pela presença do fenômeno global dimming sobre o estado do Rio Grande do Sul contribuindo para menores níveis de radiação solar. Foi constatada também uma possível quebra estrutural na série eólica em agosto de 2001 através do teste CUSUMQ (soma acumulada dos quadrados dos resíduos recursivos) e do teste de Lane et al. (2002), conduzindo a valores maiores e superestimando o prognóstico final do potencial eólico. Também foi constatada, redução em seis dos doze meses do ano na velocidade média dos ventos no período de 2003 a 2011. A estação da primavera, geralmente com o maior potencial eólico, indicou uma maior média de redução enquanto a estação de menor potencial eólico, o outono, mostrou um comportamento inverso para este mesmo período. Através da análise espectral, realizada pelo método de Fourier, as séries históricas de insolação e radiação solar mostraram também ciclos com amplitudes possíveis de influenciar as mensurações do potencial energético solar. Com estas variações temporais nos dados, as previsões de localização de centrais eólicas e fotovoltaicas ficam seriamente prejudicadas, uma vez que as oscilações meteorológicas de longo prazo podem variar sensivelmente na melhor localização de áreas para geração de energia elétrica.

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-02-24Bitstream added on 2014-06-13T18:49:32Z : No. of bitstreams: 1 silva_taa_me_ilha.pdf: 370447 bytes, checksum: b861e5232da4742a12b7ae39aa142840 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period

Orientador: Anna Diva Plasencia Lotufo / Coorientador: Mara Lúcia Martins Lopes / Banca: Francisco Villarreal Alvarado / Banca: Luciana Cambraia Leite / Resumo: Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Abstract: Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period / Mestre

Made available in DSpace on 2015-04-11T13:56:31Z (GMT). No. of bitstreams: 1 Dissertacao Isabela.pdf: 1836486 bytes, checksum: bf6c8c5db338bc806954228e1b7b94fe (MD5) Previous issue date: 2009-07-19 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / As séries históricas de 11 anos de desembarque das espécies Prochilodus nigricans e Semaprochilodus sp., ocorridas no período de janeiro de 1992 a dezembro de 2002 no município de Santarém-PA, foram utilizadas para análise e predição, juntamente com séries de SOI, SST‟s e níveis hidrológicos dos rios Amazonas e Tapajós. Infelizmente, os dados relativos às séries de desembarque de jaraquis e das cotas do Rio tapajós possuíam missing values, o que impossibilitava a realização de análises e predições, porém, o uso da modelagem de Box & Jenkins permitiu completar essas lacunas. Após as estimações dos missing values, promovemos a análise espectral em todas as variáveis citadas, verificamos ciclos relacionados com os fenômenos El Niño e La Niña, com duração de 2 a 7 anos, notamos que esses eventos influenciaram fortemente na variação do nível dos rios e, conseqüentemente, no desembarque dessas espécies. Notamos, também, aumento dos valores de desembarque nos períodos de 2 a 3 anos. Estes períodos podem estar relacionados à ocorrência de fortes cheias que, provavelmente, geraram o sucesso reprodutivo dessas espécies, levando ao aumento das capturas após 2 ou 3 anos. Outras oscilações foram observadas nos desembarques e nível dos rios, tais como oscilações semi-anuais e intra-sazonais. Sabemos que estas oscilações possuem certa influência sobre as precipitações na região amazônica e, portanto, sobre a pesca, mas ainda são necessários estudos mais apurados para o melhor entendimento dessas oscilações sobre o comportamento da pesca dessas espécies. Os modelos de Box & Jenkins também foram usados para a modelagem de desembarque nos anos de 2003 e 2004, a fim de verificar a eficiência desta ferramenta para predições. Empregamos ferramentas métricas que definem o erro das predições, com isso, observamos que os modelos ARIMA são eficientes na predição para médio e curto prazo (12 meses), no qual o modelo demonstrou bom ajuste nas predições para o ano de 2003 em ambas as espécies. / As séries históricas de 11 anos de desembarque das espécies Prochilodus nigricans e Semaprochilodus sp., ocorridas no período de janeiro de 1992 a dezembro de 2002 no município de Santarém-PA, foram utilizadas para análise e predição, juntamente com séries de SOI, SST‟s e níveis hidrológicos dos rios Amazonas e Tapajós. Infelizmente, os dados relativos às séries de desembarque de jaraquis e das cotas do Rio tapajós possuíam missing values, o que impossibilitava a realização de análises e predições, porém, o uso da modelagem de Box & Jenkins permitiu completar essas lacunas. Após as estimações dos missing values, promovemos a análise espectral em todas as variáveis citadas, verificamos ciclos relacionados com os fenômenos El Niño e La Niña, com duração de 2 a 7 anos, notamos que esses eventos influenciaram fortemente na variação do nível dos rios e, conseqüentemente, no desembarque dessas espécies. Notamos, também, aumento dos valores de desembarque nos períodos de 2 a 3 anos. Estes períodos podem estar relacionados à ocorrência de fortes cheias que, provavelmente, geraram o sucesso reprodutivo dessas espécies, levando ao aumento das capturas após 2 ou 3 anos. Outras oscilações foram observadas nos desembarques e nível dos rios, tais como oscilações semi-anuais e intra-sazonais. Sabemos que estas oscilações possuem certa influência sobre as precipitações na região amazônica e, portanto, sobre a pesca, mas ainda são necessários estudos mais apurados para o melhor entendimento dessas oscilações sobre o comportamento da pesca dessas espécies. Os modelos de Box & Jenkins também foram usados para a modelagem de desembarque nos anos de 2003 e 2004, a fim de verificar a eficiência desta ferramenta para predições. Empregamos ferramentas métricas que definem o erro das predições, com isso, observamos que os modelos ARIMA são eficientes na predição para médio e curto prazo (12 meses), no qual o modelo demonstrou bom ajuste nas predições para o ano de 2003 em ambas as espécies.

Made available in DSpace on 2014-12-17T14:08:53Z (GMT). No. of bitstreams: 1 FranciscaFNS_DISSERT.pdf: 1424383 bytes, checksum: 6d399b5a60f42e3c2b87657eb17e44e0 (MD5) Previous issue date: 2013-02-05 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Atualmente, ? de grande interesse o estudo de m?todos de previs?o de S?ries Temporais, ou seja, conseguir identificar e predizer algumas caracter?sticas do processo num ponto futuro. Na engenharia de petr?leo uma das atividades essenciais ? a estimativa de produ??o de ?leo existente nas reservas petrol?feras de reservat?rios maduros. O c?lculo dessas reservas ? crucial para a determina??o da viabilidade econ?mica de sua explota??o. Para tanto, a ind?stria do petr?leo faz uso de t?cnicas convencionais de modelagem de reservat?rios como simula??o num?rica matem?tica para previs?o da produ??o de petr?leo. Diante deste fato, o objetivo fundamental deste trabalho ? propor uma metodologia de An?lise de S?ries Temporais baseada nos tradicionais modelos estat?sticos de Box & Jenkins, que em conjunto com a t?cnica inteligente de Redes Neurais Artificiais (RNA s), possibilite a constru??o de um modelo h?brido de predi??o de dados de produ??o de petr?leo, tomando por base a capacidade que a rede tem em aprender com a experi?ncia e partir para generaliza??o baseada no seu conhecimento pr?vio. Para tanto, a Rede Neural ser? treinada com a finalidade de estimar e corrigir os erros associados ao modelo estat?stico de S?rie Temporal, de forma a aproximar a s?rie estimada ? s?rie de dados original. Os dados da S?rie Temporal em estudo referem-se ? curva de vaz?o de petr?leo de um reservat?rio localizado em um campo da regi?o nordeste do Brasil. A s?rie em estudo foi obtida no per?odo 31de julho do ano 1998 ate 31 de dezembro de 2007, com os dados (vaz?o) sendo obtidos com intervalos mensais, totalizando 127 meses de informa??es. O algoritmo de predi??o proposto pela Rede Neural receber? como entrada os erros gerados pelo modelo estat?stico de s?rie e fornecer? como sa?da uma estimativa do erro no tempo n+h onde h representa o horizonte de predi??o. Os erros estimados pela Rede Neural ser?o adicionados ao Modelo de S?rie Temporal com a finalidade de corrigi-lo. Por fim, ser? feito um estudo comparativo da performance preditiva do modelo de Box & Jenkins cl?ssico e o modelo de Box & Jenkins corrigido pela Rede Neural. A arquitetura recorrente em estudo neste trabalho dever? ser capaz de prover estimativas confi?veis, tanto para um horizonte de predi??o de passos simples quanto para um horizonte de m?ltiplos passos. O software utilizado para realiza??o do ajuste do modelo estat?stico de S?rie Temporal foi o R Project for Statistical Computing - vers?o 2.14.1. Para fazer as implementa??es necess?rias da Rede Neural, a ferramenta computacional utilizada foi o software Matlab Vers?o 7.0.2 (R2011a)