5.6 Combinação de modelos de previsão
5.6.3 Análise de Componentes Independentes e Redes Neurais
de ICA para as séries de Carga Própria de Energia do SIN, foram identifica- dos seis componentes independentes, alguns com significados claros para a composição da série da demanda. Dentre os componentes, foi identificado um que representa informações ruidosas e, portanto, irrelevante para explicar o comportamento da série histórica. Foi demonstrado que, suprimindo este componente para a composição do sinal de demanda, não há perda de quali- dade da informação se comparada às séries originais de demanda.
Dessa forma, espera-se com a aplicação dos modelos de previsão às séries de demanda reconstruídas pelos algoritmos de ICA, aumentar a capacidade de generalização da rede neural através da eliminação de ruído da série origi- nal. Com isso, espera-se obter resultados mais precisos e robustos do que o resultados obtidos inicialmente.
Foi criado um modelo híbrido de previsão que considera a aplicação de algoritmos de ICA em série com o modelo baseado em redes neurais ADALINE. As séries originais de Carga Própria de Energia são utilizadas como dados de entrada dos algoritmos de ICA. A recomposição do sinal é feita através da eliminação do componente independente irrelevante.
Figura 5.24: Combinação de métodos de ICA e redes neurais ADALINE.
Os vetores de entrada da rede ADALINE são formados pelos valores das va- riáveis exógenas consideradas no modelo, a série histórica de demanda gerada pelo modelo de ICA, além de transformações matemáticas dos parâmetros an- teriores. A arquitetura da solução proposta é representada na figura 5.24.
5.7 Conclusão
O gráfico da figura 5.25 apresenta o resultado do modelo híbrido proposto para o período de treinamento e validação em comparação com os resultados obtidos pelo método baseado em redes neurais aplicado isoladamente.
Figura 5.25: Gráfico de previsão pelo método híbrido proposto.
Conforme já havia sido observado no modelo de redes neurais ADALINE, a relevância do comportamento histórico da série de demanda para a previsão dos valores futuros é pequena. Sendo assim, a substituição da série de de- manda original pela série reconstruída apresentou uma ligeira modificação nos resultados obtidos inicialmente. A diferença entre os valores previstos pelo método híbrido divergiram dos valores obtidos pela aplicação do ADA- LINE isoladamente em 0,12%.
5.7 Conclusão
Neste capítulo foram realizadas aplicações reais de previsão de demanda por energia elétrica. Iniciou-se com a caracterização dos cenários, análise da demanda do Sistema Interligado Nacional, apresentação das séries históricas de demanda que representam o objeto de estudo e das séries históricas dos fatores externos.
Em seguida, foi feita a aplicação dos modelos propostos, de forma isolada. Também foram propostas e implementadas arquiteturas baseadas na combi- nação de modelos, de forma a aumentar o grau de confiabilidade das previsões realizadas. Os métodos híbridos foram utilizados para a previsão da demanda do SIN.
No capítulo seguinte são apresentadas as conclusões e as recomendações de continuidade deste trabalho.
CAPÍTULO
✻
Conclusões
O
propósito deste trabalho foi a análise do problema de previsão de séries temporais de demanda por energia elétrica, o desenvolvimento de metodologias aplicáveis à obtenção de previsões com maior qualidade e confiabilidade que os métodos utilizados tradicionalmente e a aplicação, de fato, das metodologias propostas a problemas reais de previsão.Uma boa estimativa do comportamento futuro da demanda é fundamen- tal para o planejamento do suprimento da demanda. O novo modelo do se- tor elétrico brasileiro torna fundamental que as geradoras, distribuidoras e comercializadoras tenham grande capacidade de gerenciar as incertezas do mercado de energia. Os fatores de riscos inerentes ao mercado devem ser minimizados através da escolha dos instrumentos adequados para se realizar uma boa previsão do crescimento ou retração da demanda.
Além disso, desde a implantação da competitividade no setor, as empresas prestadoras do serviço tiveram que se organizar a fim de garantir a qualidade do serviço prestado, o atendimento futuro da demanda além de conseguir a redução dos custos de produção de forma a manterem tarifas competitivas no mercado.
em vista os critérios observados para a escolha dos modelos de previsão e a qualidade das previsões realizadas.
6.1 Quanto à escolha dos métodos de previsão
Para a escolha dos métodos de previsão foi realizada uma extensa revisão de literatura relacionada ao tratamento de séries temporais de maneira geral, metodologias de previsão já aplicadas com sucesso ao mercado de energia elétrica por outros pesquisadores, além de literatura específica do mercado de energia elétrica brasileiro como relatórios técnicos de empresas ou de órgãos ligados ao Governo Federal. A escolha da metodologias foi realizada baseada nos critérios detalhados nesta seção.
Observou-se que métodos estatísticos de mapeamento do comportamento da demanda através da aproximação por uma função são extensamente uti- lizados na literatura. Optou-se por criar um método semelhante a fim de con- frontar os resultados com a análise empírica do mercado e com os métodos mais modernos implementados neste trabalho.
As redes neurais artificiais, tradicionalmente, são ferramentas eficazes para analisar e descobrir relações complexas entre conjunto de dados desconexos. Portanto, para se mapear as relações entre o comportamento da série de de- manda com os fatores exógenos e endógenos que influenciam o comporta- mento do mercado, as redes neurais se destacam como uma boa opção. No presente trabalho foi implementado um modelo baseado em redes neurais ADALINE com essa finalidade.
O algoritmo TCS (Trend-Cycle-Season) se mostrou adequado para o objetivo de identificação de tendências e sazonalidades proposto no presente trabalho. Esse algoritmo provê um modelo estocástico para a extração de tendência de qualquer ordem, além de mecanismos para a identificação simultânea de componentes cíclicos e sazonais. Não se tem conhecimento de outra aplicação existente na literatura que tenha utilizado o filtro TCS para o mercado de