Uso de clusterização hierárquica na abordagem singular spectrum analysis para modelagem e previsão de séries temporais de consumo de energia elétrica

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMenezes, Moisés Lima de-
Autor(es): dc.contributorMenezes, Moisés Lima de-
Autor(es): dc.contributorCassiano, Keila Mara-
Autor(es): dc.contributorSantos, Wilson Calmon Almeida dos-
Autor(es): dc.creatorCavalcante, Igor Pinto-
Data de aceite: dc.date.accessioned2024-07-11T18:03:48Z-
Data de disponibilização: dc.date.available2024-07-11T18:03:48Z-
Data de envio: dc.date.issued2020-08-31-
Data de envio: dc.date.issued2020-08-31-
Data de envio: dc.date.issued2016-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14817-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/762783-
Descrição: dc.descriptionO consumo de energia elétrica entre as pessoas, empresas e indústrias tende a se tornar cada vez maior devido ao avanço tecnológico, o crescimento da população e a ascensão dos países emergentes. Para atender esta demanda, o desenvolvimento de novas técnicas capazes de prever com uma melhor acurácia o consumo de energia elétrica se faz necessário. Singular Spectrum Analysis (SSA) é um método em estatística que pode, entre outras coisas, filtrar séries temporais eliminando sua componente ruidosa melhorando a acurácia da previsão. Este projeto propõe a filtragem de uma série temporal de consumo de energia elétrica usando a Clusterização Hierárquica na fase de agrupamento na abordagem SSA. Na ocasião, o software R é utilizado na escolha do número de clusters e filtragem SSA. O poder preditivo das modelagens nas abordagens de Holt-Winters e de Box & Jenkins é medido através das estatísticas de aderência Mean Absolute Percentage Error (MAPE), Root Mean Squared Error (RMSE), Bayesian Information Criterion (BIC) e R2. Os resultados obtidos mostram que a utilização da filtragem SSA proporciona um ganho preditivo à modelagem e que ao utilizar a clusterização hierárquica, a utilização de três clusters obtém o melhor desempenho e que, neste contexto, a escolha do modelo de Box & Jenkins detém o melhor desempenho na modelagem e previsão de consumo de energia elétrica. Tais resultados corroboram para a utilização destes modelos no auxílio do planejamento energético do país.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectConsumo de Energia Elétrica-
Palavras-chave: dc.subjectSSA-
Palavras-chave: dc.subjectClusterização Hierárquica-
Palavras-chave: dc.subjectModelagem-
Palavras-chave: dc.subjectPrevisão-
Palavras-chave: dc.subjectAnálise de agrupamento-
Palavras-chave: dc.subjectSérie temporal-
Palavras-chave: dc.subjectConsumo de energia elétrica-
Título: dc.titleUso de clusterização hierárquica na abordagem singular spectrum analysis para modelagem e previsão de séries temporais de consumo de energia elétrica-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.