Proposta de um método empírico de ajuste de séries temporais influenciadas pelos ofensores calendário e temperatura
Calili, Rodrigo Flora; Oliveira, Fernando Luiz Cyrino; Souza, Reinaldo Castro; Araujo, Thiago Gomes de; Ferreira, Pedro Guilherme Costa
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
No Brasil, o comportamento da carga, em especial do consumo de energia, tem sido amplamente investigado nos últimos anos. Esse interesse, em geral, é devido à grande importância financeira e social desse insumo, pois sua falta pode causar todo tipo de dano ao país. O objetivo do presente trabalho é a geração de uma série mensal de carga elétrica livre das variações de ofensores não econômicos, no caso, calendário e temperatura. Foram comparadas duas abordagens com vistas à seleção da mais eficiente na remoção dos efeitos dos referidos ofensores: a primeira de natureza empírica e a segunda com características híbridas, utilizando métodos empíricos e modelos de Séries Temporais. Os dados utilizados são provenientes de observações diárias de cada um dos quatro subsistemas que integram o Sistema Interligado Nacional (SIN), porém a ideia é produzir séries mensais do SIN e não apenas de cada um dos subsistemas. A série trimestral do PIB foi utilizada para decidir qual abordagem melhor ajustou os dados de carga. Verificou-se que a diferença dos ajustes é mínima entre os métodos propostos, apresentando alto poder de explicação quando comparadas à série sem a retirada dos ofensores calendário e temperatura.
Ficha do documento
- Tipo
- Artigo científico
- Ano
- 2016
- Instituição
- Universidade Federal de São Carlos
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/21212
Conteúdos relacionados
- DissertaçãoPrevisão da arrecadação do FGTS através de modelos de séries temporaisFundação Getulio Vargas · 2022
- DissertaçãoPrevisão de carga elétrica no BrasilFundação Getulio Vargas · 2023
- DissertaçãoNowcasting GDPFundação Getulio Vargas · 2026
- DissertaçãoRegimes' characteristics and time series forecastingFundação Getulio Vargas · 2026