Consumo industrial de energia elétrica: um estudo comparativo entre métodos preditivos

• Gontijo, Tiago Silveira ^[1] ; Rodrigues, Fabiano De Moro ^[1] ; Rodrigues, Alexandre de Cássio ^[1] ; da Silva, Stela Alves ^[1] ; de Azevedo, Andressa Amaral ^[1]
  1. [1] Centro Universitário Metodista Izabela Hendrix
• Localización: Brazilian Journal of Production Engineering - BJPE, ISSN-e 2447-5580, Vol. 3, Nº. 3, 2017 (Ejemplar dedicado a: Número Regular (Dezembro)), págs. 31-45
• Idioma: portugués
• Títulos paralelos:
  • Industrial consumption of electrical energy: a comparative study between predictive methods
• Enlaces
  • Texto completo
• Resumen
  • português

    O objetivo deste artigo é comparar o método mais adequado de previsão de demanda para o consumo de energia elétrica industrial no Brasil. Para isso, foi utilizada a série histórica de demanda energética no período de abril de 2007 a janeiro de 2017. Utilizou-se de análises comparativas entre quatro métodos de previsão de demanda: método de média móvel simples, média móvel ponderada, suavização exponencial e auto regressivo de média móvel (ARMA). Através de comparações, concluiu-se que, o método ARMA foi o mais adequado no ponto de vista da análise do erro médio. A respeito da análise do erro médio, considera-se o modelo eficaz, aquele que apresenta o menor valor. Diante do exposto, este estudo se torna uma alternativa que permite contribuir para trabalhos futuros.

  • English

    The purpose of this article is to compare the most appropriate method of forecasting demand for the consumption of industrial electric energy in Brazil. For that, the historical series of energy demand was used from April 2007 to January 2017. Four methodsof demand forecasting, simple moving average method, weighted moving average, exponential smoothing and autoregressive smoothing were used. Moving average (ARMA). Through comparisons, it was concluded that the ARMA method was the most adequate from the point of view of mean error analysis. Regarding the analysis of the average error, it is considered the effective model, the one with the lowest value. In view of the above, this study becomes an alternative that allows to contribute to future work.