Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-02T12:24:39Z
No. of bitstreams: 1
annaclaudiamancinidasilvacarneiro.pdf: 1333903 bytes, checksum: a7b3819bb5b0e1adb8efd07bca0f9aa2 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-06T19:35:55Z (GMT) No. of bitstreams: 1
annaclaudiamancinidasilvacarneiro.pdf: 1333903 bytes, checksum: a7b3819bb5b0e1adb8efd07bca0f9aa2 (MD5) / Made available in DSpace on 2017-03-06T19:35:55Z (GMT). No. of bitstreams: 1
annaclaudiamancinidasilvacarneiro.pdf: 1333903 bytes, checksum: a7b3819bb5b0e1adb8efd07bca0f9aa2 (MD5)
Previous issue date: 2014-09-26 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A previsão de cargas elétricas é fundamental para o planejamento das empresas de energia.
O foco deste estudo são as previsões a curto prazo; assim, aplicamos métodos univariados
de previsão de séries temporais a uma série real de cargas elétricas de 104 semanas no Rio
de Janeiro, nos anos de 1996 e 1997, e experimentamos várias combinações dos métodos
de melhor desempenho.
As combinações foram feitas pelo método outperformance, uma combinação linear
simples, com pesos fixos. Os resultados das combinações foram comparados ao de
simulações de redes neurais artificiais que solucionam o mesmo problema, e ao resultado
de um método de amortecimento de dupla sazonalidade aditiva. No geral, este método de
amortecimento obteve os melhores resultados, e talvez seja o mais adequado e confiável
para aplicações práticas, embora necessite de melhorias para garantir a extração completa
da informação contida nos dados. / Forecasting the demand for electric power is crucial for the production planning in energy
utilities. The focus of this study are the short-term forecasts. We apply univariate
time series methods to the forecasting of a series containing observations of the energy
consumption of 104 weeks in Rio de Janeiro, in 1996 and 1997, and experiment with
several combinations of the methods which have the best performance.
These combinations are done by the outperformance method, a simple linear
combination with fixed weights. The results were compared to those obtained by neural
networks on the same problem, and with the results of a exponential smoothing method
for dual additive seasonality. Overall, the exponential smoothing method achieved the
best results, and was shown to be perhaps the most reliable and suitable for practical
applications, even though it needs improvements to ensure complete extraction of the
information contained in the data.
| Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/3509 |
| Date | 26 September 2014 |
| Creators | Carneiro, Anna Cláudia Mancini da Silva |
| Contributors | Hippert, Henrique Steinherz, Bastos, Ronaldo Rocha, Faier, José Márcio |
| Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Modelagem Computacional, UFJF, Brasil, ICE – Instituto de Ciências Exatas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0031 seconds