[pt] Esta tese apresenta uma modelagem para séries temporais que possuem
uma estrutura de autocorrelação que depende não somente do intervalo de tempo
entre as observações, mas também do período observado. Esta modelagem
consiste na combinação entre as metodologias de encolhimento wavelets e
modelos auto-regressivos periódicos – PAR(p). As wavelets vêm sendo utilizadas
na literatura de séries temporais como um procedimento auxiliar de préprocessamento
da série em análise; e o modelo PAR(p) tem sua importância
reconhecida devido ao seu emprego em séries hidrológicas mensais.
Especificamente, no setor elétrico brasileiro, pode-se observar a predominância da
energia de origem hidrelétrica. Uma das principais características das matrizes de
energia com esta composição é a forte dependência do padrão de precipitação e
das condições hidrológicas futuras, o que torna a série de vazão muito irregular e
difícil de ser modelada. Portanto, a geração hidrelétrica pode ser considerada uma
variável estocástica e pequenos avanços na modelagem estocástica de vazões
permitem um melhor planejamento da operação do sistema. Assim, esta tese teve
como objetivos obter melhores previsões e geração de cenários a partir do modelo
PAR(p) e avançar na modelagem estocástica de vazões. Os principais resultados
obtidos indicaram que a combinação das metodologias obteve melhor
desempenho do que apenas a modelagem PAR (p), tanto em casos simulados,
quanto no emprego a séries reais. / [en] This thesis presents an approach to modeling time series that have an
autocorrelation structure that depends not only on the time interval between the
observations, but the observed period. This approach consists of a combination
between wavelet shrinkage and periodic autoregressive models – PAR(p).
Wavelets have been used in the literature of time series as an auxiliary procedure
for preprocessing the series under analysis, and the PAR(p) model has its
importance recognized due to its use in hydrological series monthly. Specifically,
in the Brazilian electricity sector, it is possible to observe the predominance of
hydroelectric energy. One of the main characteristics of energy matrices with this
composition is the strong dependence on rainfall patterns and future hydrological
conditions, which turn the streamflow series very irregular and difficult to be
modeled. Therefore, hydroelectric generation can be considered a stochastic
variable and small advances in stochastic modeling of streamflows allow for
better planning of the system´s operation. Thus, this thesis aimed to improve
forecasting and scenario generation with the PAR(p) model and to contribute to
stochastic modeling of flow. The main results indicated that the combination of
methodologies achieves better results than only the PAR(p) modeling, both in
simulated cases and in real time series.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:22880 |
| Date | 29 April 2014 |
| Creators | RAFAEL MORAIS DE SOUZA |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0021 seconds