Previsão de demanda de energia elétrica usando análise de componentes principais e análise gráfica dos autovetores na abordagem singular spectrum analysis

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.contributorCarvalho, Marcia Marques de-
Autor(es): dc.creatorCorreia, Eduardo Takamine-
Data de aceite: dc.date.accessioned2024-07-11T18:30:23Z-
Data de disponibilização: dc.date.available2024-07-11T18:30:23Z-
Data de envio: dc.date.issued2020-06-15-
Data de envio: dc.date.issued2020-06-15-
Data de envio: dc.date.issued2017-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/13908-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/771853-
Descrição: dc.descriptionO consumo de energia elétrica por pessoas, empresas e indústrias aumentam devido ao avanço tecnológico, o crescimento da população e aascensão 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, dentre outras coisas, filtrar séries temporais eliminando sua componente ruidosa podendo melhorar a acurácia da previsão. Esta pesquisa propõe a filtragem de uma série temporal de consumo de energia elétrica via SSA usando Análise de Componentes Principais e Análise Gráfica dos Autovetores. A verificação do poder preditivo das modelagens nas abordagens de Holt-Winters e de Box & Jenkins é feita através das estatísticas de aderência Mean Absolute percentage Error (MAPE), Root Mean Squared Error (RMSE), Bayesian Information Criterion (BIC) e o coeficiente de dete rminação R². Os resultados obtidos mostram que a utilização da filtragem SSA proporciona um ganho preditivo à modelagem e que ao utilizar a Análise Gráfica dos Autovetores obtém o melhor desempenho do que o uso da abordagem com a Análise de Componentes Principais. Os resultados mostram também que a modelagem de Box & Jenkins apresenta melhores resultados do que as modelagens de Amortecimento Exponencial de Holt-Winters para a 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.subjectAnálise gráfica dos autovetores-
Palavras-chave: dc.subjectModelagem-
Palavras-chave: dc.subjectPrevisão-
Palavras-chave: dc.subjectAnálise de componentes principais-
Palavras-chave: dc.subjectSérie temporal-
Palavras-chave: dc.subjectConsumo de energia elétrica-
Título: dc.titlePrevisão de demanda de energia elétrica usando análise de componentes principais e análise gráfica dos autovetores na abordagem singular spectrum analysis-
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.