Return to search

[en] A BAESIAN APPROACH TO MODEL THE CONDITIONAL DEMAND OF ELETRIC ENERGY OF RESIDENTIAL CONSUMES / [pt] UMA ABORDAGEM BAYESIANA PARA OS MODELOS DE DEMANDA CONDICIONAL PARA O CONSUMO RESIDENCIAL DE ENERGIA ELÉTRICA

[pt] A análise de demanda condicional (conditional demand
analysis - CDA) é um método econométrico que, aplicado ao
estudo do consumo residencial de energia elétrica, permite
estimar a quantidade de energia consumida por diferentes
aparelhos eletrodomésticos. Nessa tese, métodos bayesianos
são utilizados na estimação dos modelos CDA. A restrição
de não negatividade dos coeficientes de consumo de energia
é incorporada ao modelo através do uso da densidade normal
truncada como priori dos parâmetros. Como as densidades a
posteriori resultantes também são truncadas, métodos de
simulação estocástica cria cadeias de Markov são usados na
estimação de tais densidades. O método desenvolvido é
aplicado a um conjunto de dados fornecido pela LIGHT, uma
das concessionárias de energia do estado do Rio de
Janeiro, gerando as curvas de carga para diversos
aparelhos. / [en] Conditional demand analysis (CDA) is an econometric method
that, applied to studies of consumption of energy in the
household sector, allows us to estimate the demand of
energy for different appliances.
In this thesis, the estimation of the CDA models is made
in a Bayesian framework. The truncated normal distribution
is used as a prior of the parameters, assuring their
nonnegativity restrictions. Since the resulting
posteriors are truncated distributions too, the Gibbs
sampler is applied in the estimation of those densities.
The results obtained are applied to a dataset obtained
from LIGHT, one of the electricity utilities of Rio de
Janeiro, in order to obtain some appliances load curves.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7947
Date17 March 2006
CreatorsANA MARIA LIMA DE FARIAS
ContributorsREINALDO CASTRO SOUZA
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0022 seconds