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; 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
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
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://www.teses.usp.br/teses/disponiveis/55/55137/tde-14092023-135240/. Acesso em: 25 jan. 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://www.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 jan. 25 ] Available from: https://www.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 jan. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-14092023-135240/
Informações sobre o DOI: 10.11606/D.55.2023.tde-14092023-135240 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
