Modelagem e previsão de modelos de séries temporais do consumo de energia elétrica na Região Nordeste do Brasil
Palavras-chave:
Previsões, Holt-Winters, Box-JenkinsResumo
A energia elétrica é uma das formas de energia mais utilizadas, sendo de grande importância para o crescimento econômico mundial. Neste contexto, analisou-se a série temporal do consumo de energia elétrica no Nordeste brasileiro, no período de janeiro de 1997 a maio de 2021 e estimou-se a previsão para todo o ano de 2021, baseando-se em metodologias utilizadas na análise de séries temporais. Os métodos aplicados para estas previsões foram os algoritmos de Holt-Winters, nas formas aditiva e multiplicativa, e também o método de modelagem de Box-Jenkins, nas formas SARIMA e SARIMAX. Para o caso do modelo SARIMAX, aplicou-se uma variável dummy, com valores 1 para os meses a partir de Junho de 2001, adotando como referência o racionamento de energia do governo Fernando Henrique Cardoso, e 0 para os meses anteriores. A escolha do modelo para ajuste da série temporal foi feita com base nos critérios AIC (Critério de Informação de Akaike), BIC (Critério de Informação Bayesiano) e EQMP (Erro Quadrático Médio de Previsão). Os cálculos foram
feitos no software estatístico R. Por fim, o modelo SARIMA(4,1,1)(2,0,0)12 foi o que forneceu a melhor previsão para o consumo de energia elétrica no Nordeste brasileiro.
Referências
BOX, G. E. P. et al. Time series analysis. Forecasting and control. 5th ed. 5th ed..ed. [S.l.]: Hoboken, NJ: John Wiley & Sons, 2016. 712 p. ISSN 1940-6347. ISBN
-1-118-67502-1/hbk.
BROCKWELL, P. J. et al. Introduction to time series and forecasting. [S.l.]: Springer, 2016.
CAMPOS, R. J. Previsão de séries temporais com aplicações a séries de consumo de energia elétrica. Universidade Federal de Minas Gerais, 2008.
DICKEY, D. A.; FULLER, W. A. Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, Taylor & Francis, v. 74, n. 366a, p. 427-431, 1979.
EHLERS, R. S. Análise de séries temporais. Laboratório de Estatística e Geoinformação. Universidade Federal do Paraná, 2007. Disponível em: http://www.each.usp.br/rvicente/ AnaliseDeSeriesTemporais.pdf. Acesso em: 16 de Abril de 2021.
ENERGÉTICA, E. D. P. Matriz Energética e Elétrica1. 2019. Disponível em: https://www.epe.gov.br/pt/abcdenergia/matriz-energetica-e-eletrica. Acesso em: 13 de Agosto de 2021.
GOLDENBERG, J.; PRADO, L. T. S. Reforma e crise do setor elétrico no período fhc. Tempo social, SciELO Brasil, v. 15, p. 219-235, 2003.
HYNDMAN, R. J.; KHANDAKAR, Y. Automatic time series forecasting: the forecast package for r. Journal of statistical software, v. 27, n. 1, p. 1-22, 2008.
IPEADATA. Banco de Dados: Energia elétrica referente ao consumo na região Nordeste (NE). 2021. Disponível em: http://www.ipeadata.gov.br/Default.aspx. Acesso em: 19 de Julho de 2021.
JUNIOR, L. M. C. et al. Previsão do consumo de eletricidade no nordeste brasileiro. Engevista, v. 20, n. 3, p. 408-423, 2018.
LIMA, J. E. C.; CASTRO, L. F. de; CARTAXO, G. A. A. Aplicação do modelo sarima na previsão de demanda no setor calçadista/application of the sarima model in the forecast for demand in the footwear sector. ID on line REVISTA DE PSICOLOGIA, v. 13, n. 46, p. 892?913, 2019.
MONTGOMERY, D. C.; JENNINGS, C. L.; KULAHCI, M. Introduction to time series analysis and forecasting. [S.l.]: John Wiley & Sons, 2015.
MORETTIN, P. A.; TOLOI, C. Análise de séries temporais. In: Análise de séries temporais. [S.l.: s.n.], 2006. p. 538-538.
SALES, L. O. A. Testando a hipótese de passeio aleatório no mercado de ações brasileiro. Tese (Doutorado), 2017.
SCHMIDT, C. A. J.; LIMA, M. A. A demanda por energia elétrica no brasil. Revista brasileira de economia, SciELO Brasil, v. 58, p. 68?98, 2004.
SHUMWAY, R.; STOFFER, D. Time series analysis using the R Statistical Package. [S.l.]: free dog publishing, 2017.
R CORE TEAM. R: A language and environment for statistical computing (R Version 4.0. 3, R Foundation for Statistical Computing, Vienna, Austria, 2020). 2021. Disponível em: https://www.r-project.org/. Acesso em: 12 de Agosto de 2021.
TIDRE, P. V. V.; BIASE, N. G. G.; SILVA, M. I. de S. Utilização dos modelos de séries temporais na previsão do consumo mensal de energia elétrica da região norte do brasil. Matemática e Estatística em Foco, v. 1, n. 1, p. 57-66, 2013.
WALTER, O. M. F. C. et al. Aplicação de um modelo sarima na previsão de vendas de motocicletas. Exacta, Universidade Nove de Julho, v. 11, n. 1, p. 77-88, 2013.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
