Por favor, use este identificador para citar o enlazar este ítem: https://rima.ufrrj.br/jspui/handle/20.500.14407/18937
Tipo do documento: Dissertação
Título: Um estudo sobre as abordagens de séries temporais hierárquicas para previsão do consumo de energia elétrica do setor industrial brasileiro
Otros títulos: A study on hierarchical time series approaches for forecasting electric energy consumption in the brazilian industrial sector
Autor: Cabreira, Marlon Mesquita Lopes
Orientador(a): Silva, Felipe Leite Coelho da
Primeiro membro da banca: Silva, Felipe Leite Coelho da
Segundo membro da banca: Vera-Tudela, Carlos Andrés Reyna
Terceiro membro da banca: Oliveira, Fernando Luiz Cyrino
Palabras clave: Previsão;Séries Temporais Hierárquicas;Energia Elétrica;Forecasting;Hierarchical Time Series;Electricity
Área(s) do CNPq: Ciência da Computação
Idioma: por
Fecha de publicación: 11-dic-2023
Editorial: Universidade Federal Rural do Rio de Janeiro
Sigla da instituição: UFRRJ
Departamento: Instituto de Ciências Exatas
Programa: Programa de Pós-Graduação em Modelagem Matemática e Computacional
Citación: CABREIRA, Marlon Mesquita Lopes. Um estudo sobre as abordagens de séries temporais hierárquicas para previsão do consumo de energia elétrica do setor industrial brasileiro. 2023. 132 f. Dissertação (Mestrado em Modelagem Matemática e Computacional). Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2023.
Resumen: O setor industrial brasileiro é o maior consumidor de energia elétrica e, portanto, o pla- nejamento energético torna-se muito importante, principalmente devido ao impacto econômico, social e ambiental. Neste contexto, as análises e projeções consumo de energia elétrica tornam- se ferramentas úteis para a tomada de decisões. No setor industrial, o consumo de energia elétrica pode ser organizado em uma estrutura hierárquica composta por cada região geográfica (Sul, Sudeste, Centro-Oeste, Nordeste e Norte) e seus respectivos estados. O objetivo deste trabalho é analisar e avaliar a capacidade preditiva das abordagens bottom-up, top-down, com- binação ótima e híbrida utilizadas para prever o consumo de energia elétrica no setor industrial brasileiro. A abordagem híbrida proposta neste trabalho combina as abordagens bottom-up e top-down. Essas abordagens incorporaram as projeções obtidas através dos métodos preditivos de suavização exponencial e de Box e Jenkins. Além disso, foi apresentada uma análise explo- ratória para as séries temporais de consumo de energia elétrica do setor industrial para o Brasil, regiões e estados. Os resultados indicam que a abordagem híbrida proposta pode contribuir para a análise e projeção do consumo de energia elétrica no setor industrial. A capacidade preditiva das abordagens foi avaliada pelas métricas MAPE e RMSE.
Abstract: The Brazilian industrial sector is the largest consumer of electrical energy and, therefore, energy planning becomes very important, mainly due to the economic, social and environmental impact. In this context, analyzes and projections of electrical energy consumption become useful tools for decision-making. In the industrial sector, electrical energy consumption can be organized in a hierarchical structure composed of each geographic region (South, Southeast, Central-West, Northeast and North) and their respective states. The objective of this work is to analyze and evaluate the predictive capacity of the bottom-up, top-down, optimal and hybrid combination approaches used to predict electrical energy consumption in the Brazilian industrial sector. The hybrid approach proposed in this work combines the bottom-up and top- down approaches. These approaches incorporated projections obtained through exponential smoothing and Box and Jenkins predictive methods. Furthermore, an exploratory analysis was presented for the time series of electrical energy consumption in the industrial sector for Brazil, regions and states. The results indicate that the proposed hybrid approach can contribute to the analysis and projection of electrical energy consumption in the industrial sector. The predictive capacity of the approaches was evaluated using the MAPE and RMSE metrics.
URI: https://rima.ufrrj.br/jspui/handle/20.500.14407/18937
Aparece en las colecciones:Mestrado em Modelagem Matemática e Computacional

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
2023 - MARLON MESQUITA LOPES CABREIRA.pdf1.27 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.