ANÁLISE DO CONSUMO MENSAL DE ENERGIA ELÉTRICA NO ESTADO DE SÃO PAULO

Resumen

Resumo: A energia elétrica contribui com o desenvolvimento, pois é uma necessidade básica da população, que deixa à margem da inclusão social quem ainda não a possui. Neste setor, a tomada de decisão e os desdobramentos para o desenvolvimento da infraestrutura de uma região dependem fundamentalmente de previsões acuradas da demanda. Para tanto, este trabalho busca prever os futuros valores da série temporal do Consumo Mensal de Energia Elétrica no Estado de São Paulo como base em modelos de séries temporais e combinações de previsões. No estudo foram utilizadas 183 observações mensais disponíveis, de janeiro de 2004 a março de 2019 visandoobter as previsões para o período de janeiro a dezembro de 2019. Foram utilizados 4 modelos individuais: SARIMA, com tendência estocástica e determinística, Holt-Winters com efeitos sazonais aditivos e multiplicativos e após realizou-se todas as combinações de dois, três e os quatros modelos. Os métodos de combinação de previsões usados foram: média, mediana, regressão MQO, regressão robusta MM e variância mínima. As melhores medidas de acurácia foram encontradas para a combinação via regressão MQO com base nos quatro modelos, sendo esta então usada para obter as previsões do ano de 2019.

RESUMEN: La energía eléctrica contribuye con el desarrollo una vez que es una necesidad básica de la población, dejando al márgen de la inclusión social a quienes no la tengan. En este sector, la toma de decisiones y su despliegue para el desarrollo de la infraestructura de una región dependen fundamentalmente de predicciones exactas de la demanda. Por lo tanto, este trabajo tiene como objetivo predecir los futuros valores de la série temporal del Consumo Mensual de Energía Eléctrica en el Estado de São Paulo basandose en modelos de séries temporales y combinaciones de predicciones. Para la investigación fueron utilizadas 183 observaciones mensuales disponibles, de enero de 2004 a marzo de 2019 con el objetivo de obtener las predicciones para el periodo de enero a diciembre de 2019. Fueron utilizados 4 modelos individuales: SARIMA, con tendencia estocástica y determinística; Hols-Winters con efectos estacionales aditivos y multiplicativos. Luego fueron realizadas todas las combinaciones de los dos, tres y cuatro modelos. Los métodos de combinación de predicciones usados fueron: media, mediana, regresión MQO, regresión robusta MM y variación mínima. Las mejores medidas de precisión fueron encontradas para la combinación via regresión MQO con base en los cuatro modelos, siendo entonces esta la utilizada para obtener las predicciones del año de 2019.