Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/1289
Título : Previsão do preço de liquidação das diferenças por meio de redes neurais artificiais.
Autor : Silva, Alan Patrik Souza
metadata.dc.contributor.advisor: Campos, Víctor Costa da Silva
Braga, Márcio Feliciano
metadata.dc.contributor.referee: Campos, Víctor Costa da Silva
Braga, Márcio Feliciano
Bastos, Renan Fernandes
Baracho, Francisco Ricardo Abrantes Couy
Palabras clave : Engenharia elétrica
Energia elétrica - produção
Preços - determinação
Fecha de publicación : 2018
Citación : SILVA, Alan Patrik Souza. Previsão do preço de liquidação das diferenças por meio de redes neurais artificiais. 2018. 48 f. Monografia (Graduação em Engenharia Elétrica) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2018.
Resumen : Ao longo dos anos, houve um grande aumento de competitividade na indústria de energia elétrica em escala mundial. Para decidir estratégias de licitação e estabelecer contratos bilaterais, a fim de aumentar os lucros e minimizar os riscos, a previsão de preço de energia no mercadodesregulado é imprescindível. Fatores como energia armazenada nos reservatórios, quantidade de geração hidrelétrica e termelétrica e a carga do sistema impactam o preço da energia no Brasil. Desse modo, o conhecimento da dinâmica desses fatores pode auxiliar na previsão do preço. Uma das ferramentas utilizadas na análise da séries temporais desses elementos e na análise temporal do preço de liquidação das diferenças são as Redes Neurais Artificiais. Este trabalho utiliza Redes Neurais Artificiais baseadas em modelos Autorregressivos não lineares com o objetivo de prever o preço de energia elétrica três passos (ou semanas) à frente. Duas abordagens são analisadas. A primeira verifica a previsão do preço da energia elétrica realizando, primeiramente, a previsão dos fatores principais que afetam o seu valor, enquanto a segunda verifica a eficiência da previsão da série temporal do preço. Os resultados das duas abordagens foram semelhantes.
metadata.dc.description.abstracten: Over the years, there has been a large increase in competitiveness in the world-wide electric power industry. In order to decide bidding strategies and establish bilateral contracts, and to increase profits and minimize risks, energy price forecast in the deregulated market is imperative. Factors such as energy stored in the reservoirs, amount of hydroelectric and thermoelectric generation and the system load impact the price of energy in Brazil. Therefore, knowledge of the dynamics of these factors can help predict the price. One of the tools used in the analysis of the time series of these elements and in the temporal analysis of the settlement price of the differences are the Artificial Neural Networks. This work uses Artificial Neural Networks based on nonlinear autoregressive models with the objective of predicting the electric energy price three steps (or weeks) ahead. Two approaches are analyzed. The first one verifies the forecast of the electric energy price by firstly forecasting the main factors that affect its value, while the second one verifies the efficiency of the forecast of the time series of the price. The results of the two approaches were similar.
URI : http://www.monografias.ufop.br/handle/35400000/1289
metadata.dc.rights.license: Autorização concedida à Biblioteca Digital de TCC’s da UFOP pelo autor em 09/09/2018 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Aparece en las colecciones: Engenharia Elétrica - JMV

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_PrevisãoPreçoLiquidação.pdf1,59 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons