Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/8296
metadata.dc.type: Dissertação
Issue Date: 11-Nov-2016
metadata.dc.creator: PEREIRA JUNIOR, Flaviano Ramos
metadata.dc.contributor.advisor1: OLIVEIRA, Roberto Célio Limão de
Title: Redes neurais diretas e recorrentes na previsão do preço de energia elétrica de curto prazo no mercado brasileiro
metadata.dc.description.sponsorship: CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Citation: PEREIRA JUNIOR, Flaviano Ramos. Redes neurais diretas e recorrentes na previsão do preço de energia elétrica de curto prazo no mercado brasileiro. 2016. 83 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2016. Programa de Pós-Graduação em Engenharia Elétrica.
metadata.dc.description.resumo: Nos estudos sobre o mercado de energia do brasil existem poucos trabalhos sobre predição do preço de energia elétrica em curto prazo. Os que existem utilizam modelos preditores do tipo ARIMA e rede neural direta, entretanto com a rede neural sem método de seleção das variáveis de entrada ou dos atrasos das entradas. Além disso, não há trabalhos que utilizem redes neurais recorrentes no mercado brasileiro. O mercado de energia de curto prazo pode apresentar importantes oportunidades aos agentes atuantes, pois a comercialização nesse mercado é menos burocrática em relação ao mercado de longo prazo. Este trabalho apresenta o uso de redes neurais diretas e recorrentes (além da comparação com o modelo ARIMA) para a previsão do preço de energia elétrica de curto prazo brasileiro com uso da técnica de correlação para seleção das variáveis externas da rede e também para escolha dos atrasos nestas variáveis selecionadas. Mostra-se que, na previsão de um passo a frente, as redes neurais implementadas superam o desempenho do modelo ARIMA para esta série e, em geral, a rede direta apresenta melhor resultado que a recorrente. além disso, a seleção dos atrasos nas variáveis de entrada melhora o desempenho da rede neural direta.
Abstract: There are few articles about short term electricity price prediction in the Brazilian market. Existing works use ARIMA predictors and feedforward neural networks however, without input selection or lag selection for these inputs. Besides, there is no work with use of recurrent neural networks in the Brazilian electricity market. The short term electricity market may show important opportunities for the agents acting as the commercialization in this market is less bureaucratic in relation to the long-term market.. This article shows the use of feedforward and recurrent neural networks (besides comparison with the ARIMA model) to predict short term electricity price with the use of correlation for exogenous input selection for the networks and also for lag selection to these inputs. It is shown that, for one step forward predictions, both implemented networks outperforms the ARIMA model, and in general, feedforward network works better than recurrent network. Besides, lag selection in the input improves feedforward network performance.
Keywords: Redes neurais (Computação)
Serviços de eletricidade
Energia elétrica
Custos nos serviços
Aspectos econômicos
Consumo de energia elétrica
Controle de custo
Predição do preço de energia
Mercado de curto prazo
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::TRANSMISSAO DA ENERGIA ELETRICA, DISTRIBUICAO DA ENERGIA ELETRICA
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_RedesNeuraisDiretas.pdf1,77 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons