[pt] A importância da previsão de carga a curto prazo (até uma
semana à frente) em crescido recentemente. Com os processos
de privatização e implantação de ompetição no setor
elétrico brasileiro, a previsão de tarifas de energia vai se
tornar extremamente importante. As previsões das cargas
elétricas são fundamentais para alimentar as ferramentas
analíticas utilizadas na sinalização das tarifas. Em
conseqüência destas mudanças estruturais no setor, a
variabilidade e a não-estacionaridade das cargas elétricas
tendem a aumentar devido à dinâmica dos preços da energia.
Em função das mudanças estruturais do setor elétrico,
previsores mais autônomos são necessários para o novo
cenário que se aproxima.
As ferramentas disponíveis no mercado internacional para
previsão de carga elétrica requerem uma quantidade
significativa de informações on-line, principalmente no que
se refere a dados meteorológicos. Como a realidade
brasileira ainda não permite o acesso a essas informações
será proposto um previsor de carga para o curto-prazo,
considerando restrições na aquisição dos dados de
temperatura.
Logo, tem-se como proposta um modelo de previsão de carga
horária de curto prazo (um dia a frente) empregando dados
de carga elétrica e dados meteorológicos (temperatura)
através de modelos de árvore de decisão. Decidiu-se
pelo modelo de árvore de decisão, pois este modelo além de
apresentar uma grande facilidade de interpretação dos
resultados, apresenta pouquíssima ênfase em sua utilização
na área de previsão de carga elétrica. / [en] The importance of load forecasting for the short term (up
to one-week ahead) has been steadily growing in the last
years. Load forecasts are the basis for the forecasting of
energy prices, and the privatisation, and the introduction
of competitiveness in the Brazilian electricity sector,
have turned price forecasting into an extremely important
task.
As a consequence of structural changes in the electricity
sector, the variability and the non-stationarity of the
electrical loads have tended to increase, because of the
dynamics of the energy prices. As a consequence of these
structural changes, new forecasting methods are needed to
meet the new scenarios.
The tools that are available for load forecasting in the
international market require a large amount of online
information, specially information about weather data.
Since this information is not yet readily available in
Brazil, this thesis proposes a short-term load forecaster
that takes into consideration the restrictions in the
acquisition of temperature data.
A short-term (one-day ahead) forecaster of hourly loads is
proposed that combines load data and weather data
(temperature), by means of decision tree models. Decision
trees were chosen because those models, despite being easy
to interpret, have been very rarely used for load
forecasting.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:3710 |
| Date | 08 July 2003 |
| Creators | ANA PAULA BARBOSA SOBRAL |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0167 seconds