Uso de clusterização hierárquica na abordagem singular spectrum analysis para modelagem e previsão de séries temporais de consumo de energia elétrica

Abstract

O consumo de energia elétrica entre as pessoas, empresas e indústrias tende a se tornar cada vez maior devido ao avanço tecnológico, o crescimento da população e a ascensão dos países emergentes. Para atender esta demanda, o desenvolvimento de novas técnicas capazes de prever com uma melhor acurácia o consumo de energia elétrica se faz necessário. Singular Spectrum Analysis (SSA) é um método em estatística que pode, entre outras coisas, filtrar séries temporais eliminando sua componente ruidosa melhorando a acurácia da previsão. Este projeto propõe a filtragem de uma série temporal de consumo de energia elétrica usando a Clusterização Hierárquica na fase de agrupamento na abordagem SSA. Na ocasião, o software R é utilizado na escolha do número de clusters e filtragem SSA. O poder preditivo das modelagens nas abordagens de Holt-Winters e de Box & Jenkins é medido através das estatísticas de aderência Mean Absolute Percentage Error (MAPE), Root Mean Squared Error (RMSE), Bayesian Information Criterion (BIC) e R2. Os resultados obtidos mostram que a utilização da filtragem SSA proporciona um ganho preditivo à modelagem e que ao utilizar a clusterização hierárquica, a utilização de três clusters obtém o melhor desempenho e que, neste contexto, a escolha do modelo de Box & Jenkins detém o melhor desempenho na modelagem e previsão de consumo de energia elétrica. Tais resultados corroboram para a utilização destes modelos no auxílio do planejamento energético do país