Estudo da influência do erro de previsão da temperatura sobre o erro de previsão a curto prazo da carga elétrica
A previsão de cargas a curto prazo é fundamental para o funcionamento eficiente de uma concessionária de energia. Uma das variáveis que afetam o consumo de energia é a temperatura. É possível, portanto, que os erros na previsão de temperatura influenciem na previsão de carga. Este trabalho oferece subsídios para a discussão desse problema, avaliando empiricamente o efeito do erro de previsão de temperatura sobre o erro na previsão de carga. Utilizamos uma série de cargas horárias e uma de temperaturas horárias de uma concessionária de energia do Rio de Janeiro. Partindo de um modelo de previsão de carga aditivo, previmos um componente “carga básica” por meio de um método de amortecimento exponencial para dupla sazonalidade, e um componente “meteorológico” por meio de seis modelos de regressão diferentes.Também adicionamos ruídos aleatórios às temperaturas observadas e usamos essas novas temperaturas como previsões no melhor modelo de regressão. Analisando os resultados concluímos que, para modelos lineares, a incerteza na previsão de temperatura afeta pouco a incerteza na previsão de carga.
Estudo da influência do erro de previsão da temperatura sobre o erro de previsão a curto prazo da carga elétrica
-
DOI: 10.22533/at.ed.00118091217
-
Palavras-chave: previsão de carga a curto prazo; previsão de temperatura, método de amortecimento exponencial com dupla sazonalidade
-
Keywords: Short-term load forecasting, temperature forecasting, double seasonal exponencial smoothing
-
Abstract:
Short-term load forecasting is critical for the efficient operation of energy utilities. One of the variables that affect energy consumption is the temperature. It is possible, therefore, that the uncertainty in the temperature forecasting should affect the load forecasting error. This paper offers subsidies for the discussion of this problem, by empirically evaluating the effect of the temperature forecasting error on the load forecasting error. We use a series of hourly loads and a series of hourly temperatures, from a Rio de Janeiro power utility. Starting from a additive load forecasting model, we forecasted a ‘base’ load component by an exponential smoothing method with double seasonality, and a ‘weather’ component by six different regression models. We also add random noise to the observed temperatures, and use these new noisy temperatures as inputs to the best regression model. Analyzing the results we conclude that, for linear models, the uncertainty in the temperature forecasts has little effect on the load forecasting error.
-
Número de páginas: 15
- Henrique Steinherz Hippert
