Previsão do Preço de Energia no Mercado de Curto Prazo: Uma análise Combinada de Séries Temporais e Redes Neurais Artificiais (2023)
- Authors:
- Autor USP: BELENTANI, YURI - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/D.55.2023.tde-14092023-135240
- Subjects: INTELIGÊNCIA ARTIFICIAL; REDES NEURAIS; ANÁLISE DE SÉRIES TEMPORAIS; CONSUMO DE ENERGIA ELÉTRICA; AVALIAÇÃO DE RISCO
- Keywords: Ambiente de contratação livre; ARIMA; Artificial intelligence; Combined modeling; Free contracting environment; LSTM; Market for Brazilian electricity; Mercado de energia elétrica brasileiro; Modelagem combinada; Preço da liquidação das diferenças; Price for settlement of differences; SARIMA; Time series
- Language: Português
- Abstract: Atualmente o Brasil e o mundo passam por uma transição energética, cuja economia de baixo carbono tem se efetivado através de fontes de energia cada vez mais limpas e com operações industriais mais eficientes. Além dos ganhos para o meio ambiente, esse caminho deve trazer benefícios econômicos para os agentes do sistema elétrico brasileiro através das diversas oportunidades que serão geradas. Neste contexto a possibilidade de prever os preços de energia elétrica no mercado de curto prazo (MCP), ambiente de contratação livre, pode contribuir significativamente para a otimização do planejamento de contratação da demanda e uma melhor avaliação dos riscos, seja para os agentes geradores ou para a indústria e grandes consumidores de modo geral. Dessa maneira, buscando contribuir com o aumento de previsibilidade dos agentes que atuam no mercado livre de energia elétrica brasileiro, o presente estudo se propõe prever o valor do Preço de Liquidação das Diferenças (PLD) para quatro semanas operativas subsequentes. Para isso, a ideia é utilizar uma combinação entre modelos AutoRegressivos Integrados de Médias Móveis com Sazonalidade (SARIMA) e redes neurais artificiais recorrentes (LSTM). Primeiramente, serão previstos as quatro semanas operativas subsequentes para as variáveis preditoras e então alimentar uma Rede Neural Artificial (RNA) para produzir o PLD. A metodologia traz como resultado previsões com níveis de acuracidade satisfatórios, principalmente pelo fator combinatório decada técnica.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 07.07.2023
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
BELENTANI, Yuri. Previsão do Preço de Energia no Mercado de Curto Prazo: Uma análise Combinada de Séries Temporais e Redes Neurais Artificiais. 2023. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://teses.usp.br/teses/disponiveis/55/55137/tde-14092023-135240/. Acesso em: 05 abr. 2026. -
APA
Belentani, Y. (2023). Previsão do Preço de Energia no Mercado de Curto Prazo: Uma análise Combinada de Séries Temporais e Redes Neurais Artificiais (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55137/tde-14092023-135240/ -
NLM
Belentani Y. Previsão do Preço de Energia no Mercado de Curto Prazo: Uma análise Combinada de Séries Temporais e Redes Neurais Artificiais [Internet]. 2023 ;[citado 2026 abr. 05 ] Available from: https://teses.usp.br/teses/disponiveis/55/55137/tde-14092023-135240/ -
Vancouver
Belentani Y. Previsão do Preço de Energia no Mercado de Curto Prazo: Uma análise Combinada de Séries Temporais e Redes Neurais Artificiais [Internet]. 2023 ;[citado 2026 abr. 05 ] Available from: https://teses.usp.br/teses/disponiveis/55/55137/tde-14092023-135240/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
