Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/1117
Título: Seleção de modelos de séries temporais e redes neurais artificiais na previsão de consumo e demanda de energia elétrica
Autor : Villamagna, Maíra Rodrigues
Primeiro orientador: Sáfadi, Thelma
metadata.teses.dc.contributor.advisor-co: Ribeiro, Fabiano Lemes
Primeiro membro da banca: Silva, Joaquim Paulo da
Lacerda, Wilian Soares
Área de concentração: Estatística e Experimentação Agropecuária
Palavras-chave: Série temporal
Rede neural artificial
Box-Jenkins
Previsão
Energia elétrica
Inteligência artificial
Tendência
Sazonalidade
Time series
Artificial neural network
Forecasting
Data da publicação: 2013
Agência(s) de fomento: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Referência: VILLAMAGNA, M. R. Seleção de modelos de séries temporais e redes neurais artificiais na previsão de consumo e demanda de energia elétrica. 2013. 113 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2013.
Resumo: This study analyzed the series of consumption and electricity demand for University Federal of Lavras (UFLA), covering the period from January 1995 to December 2011, with the objective of predicting future values by the methods of Box and Jenkins and Artificial Neural Networks (ANN). Comparisons were made between the methodologies suggested to check the performance of the same, in order to generate more accurate figures for next year. The Box-Jenkins methodology presented efficient to represent the series under study, capturing the effects of seasonality and trend occurred. The results show that the artificial neural network had a better forecasting performance of the demand and consumption of electricity.
Neste trabalho foram analisadas as séries mensais de consumo e demanda de energia elétrica da Universidade Federal de Lavras (UFLA), no período de janeiro de 1995 a dezembro de 2011, com o objetivo de prever os valores futuros através dos métodos de Box e Jenkins e Redes Neurais Artificiais (RNA). Foram realizadas comparações entre as metodologias sugeridas, por meio do erro quadrático médio de previsão (EQMP) e erro percentual absoluto médio de previsão (MAPE), para verificar o desempenho das mesmas. A metodologia Box e Jenkins apresentou-se eficiente para representar a série em estudo, captando os efeitos de tendência e sazonalidade ocorridos. Os resultados mostram que as Redes Neurais Artificiais obtiveram melhores valores nos índices de desempenho testados e se apresentam como um método satisfatório para a previsão um passo à frente do consumo e da demanda de energia elétrica.
metadata.teses.dc.description: Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do Titulo de Mestre.
URI: http://repositorio.ufla.br/jspui/handle/1/1117
Publicador: UNIVERSIDADE FEDERAL DE LAVRAS
Idioma: pt_BR
Aparece nas coleções:DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.