Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Menezes, Moisés Lima de | - |
Autor(es): dc.contributor | Cassiano, Keila Mara | - |
Autor(es): dc.contributor | Costa, Patricia Lusie Velozo da | - |
Autor(es): dc.creator | Domingos, Gabriela de Santana | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:40:09Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:40:09Z | - |
Data de envio: dc.date.issued | 2020-06-29 | - |
Data de envio: dc.date.issued | 2020-06-29 | - |
Data de envio: dc.date.issued | 2017 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14140 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/775094 | - |
Descrição: dc.description | A vasta diversidade de recursos naturais no Brasil permite que a geração de energia possa ser feita a partir de várias fontes diferentes. O presente trabalho ressalta a importância do planejamento da utilização desses recursos para a geração de energia elétrica e suprimento da demanda. Foram estudados os principais tipos de geração de energia: hidrelétrica, térmica, nuclear e eólica. Análises de comportamento das tendências e previsões para as séries são fundamentais para melhor uso dos recursos responsáveis por esses tipos de geração. O trabalho aborda métodos de previsão recorrentes em séries temporais como os modelos de Box & Jenkins e os modelos de Holt-Winters, como possíveis meios de planejamento. Com intuito de melhorar a acurácia das previsões, foi utilizado o método estatístico Singular Spectrum Analysis (SSA), que consiste principalmente em filtrar as séries temporais. A finalidade principal desse trabalho é avaliar o ganho preditivo da modelagem Box & Jenkins e Holt-Winters usando filtragem SSA. A escolha dos modelos mais adequados foi feita com base nas estatísticas de aderência como a Raiz Quadrada do Erro Quadrático Médio (RMSE - Root Mean Square Error), o Erro Percentual Médio Absoluto (MAPE - Mean Absolute Percentage Error), o Desvio Médio Absoluto (MAD - Mean Absolute Deviation) e o coeficiente de determinação R2. De acordo com os resultados obtidos nos diferentes cenários abordados, concluiu-se que a abordagem SSA é mais eficiente no ganho preditivo das diferentes modelagens. Além disso, nas análises sem filtragem e com filtragem, os modelos de Box & Jenkins com componentes sazonais apresentaram melhor desempenho, que foram evidenciadas na observação das tendências das séries de geração de energia elétrica | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Singular spectrum analysis | - |
Palavras-chave: dc.subject | Tendência | - |
Palavras-chave: dc.subject | Energia elétrica | - |
Palavras-chave: dc.subject | Previsões | - |
Palavras-chave: dc.subject | Série temporal | - |
Palavras-chave: dc.subject | Demanda de energia | - |
Título: dc.title | Geração de energia elétrica: tendências e previsões de energia hidrelétrica, térmica, termonuclear e eólica para suprir a demanda nas Regiões Sudeste e Centro-Oeste | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: