[pt] Nesta dissertação é desenvolvida uma metodologia para
previsão de demanda mensal de energia elétrica considerando
cenários de racionamento. A metodologia usada consiste em,
a partir das taxas de crescimento da série temporal,
identificar e eliminar os efeitos do racionamento de
energia elétrica através da aplicação de Modelos Lineares
Dinâmicos. São analisadas também estruturas de intervenção
nos modelos estatísticos de Box & Jenkins e Holt &
Winters. Os modelos são então comparados segundo alguns
critérios, basicamente no que tange à sua eficiência
preditiva. Conclui-se ao final sobre a eficiência da
metodologia proposta, dado a grande dificuldade para
solucionar o problema a partir dos modelos estatísticos de
Box & Jenkins e Holt & Winters. Esta solução é então
proposta como a mais viável para criar cenários de
racionamento e pósracionamento de energia para ser
utilizado por agentes do sistema elétrico nacional. / [en] In this dissertation, a methodology is developed to
forecast monthly demand of electric energy, considering the
rationing scenery. The methodology is based on, taking the
growth rate from the time series, identify and eliminate the
effects of electric energy rationing, using Dynamic Linear
Models. It is also analyzed intervention structures in the
statistics models of Box & Jenkins and Holt & Winters.
The models are compared according to some criterions,
mainly forecast accuracy. At the end, we concluded that the
methodology proposed is more efficient, due to the
difficult to solve the problem using the statistics models
with intervention. This solution is proposed as the best
among them to create scenery during the energy rationing
and after energy rationing, to be used by the national
electric system agents.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:3336 |
| Date | 12 March 2003 |
| Creators | EVANDRO LUIZ MENDES |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0024 seconds