O objetivo deste trabalho foi ajustar um modelo de séries temporais à série de energia elétrica gerada pela matriz eólica com a finalidade de estudar a presença de tendência, sazonalidade e realizar previsões. A série histórica utilizada consiste da produção de energia elétrica gerada pela matriz eólica, coletada mensalmente pelo Operador Nacional do Sistema Elétrico. A série está compreendida entre jan/2007 a mar/2021, com 171 observações. A série foi dividida em dois subconjuntos, ao primeiro (jan/2007 a dez/2019) foi designado o processo de modelagem (calibração) e ao segundo (jan/2020 a mar/2021) foi atribuído a avaliação das previsões (validação). O horizonte de previsão contemplou o período de abr/2021 a dez/2022. Realizou-se uma transformação Box-Cox na escala dos dados para tornar o modelo aditivo. Verificou-se a presença da componente de tendência. A partir dos correlogramas da FAC e FACP da série original transformada com uma diferença de ordem 1 foi possível propor alguns modelos. Buscaram-se modelos com resíduos não correlacionados e com menor AIC. Destes, realizaram-se previsões para o período de jan/2020 a mar/21 que foram comparadas com observações reais através do EQMP. O modelo SARIMA (5,1,2)×(0,0,3)12 foi escolhido, pois apresentou o menor EQMP. Observou-se que os meses subsequentes continuam seguindo o padrão crescente que ela vem mantendo desde de 2015. O modelo proposto para prever a quantidade de energia elétrica gerada pela matriz eólica de curto prazo vai permitir que os gestores tenham tempo suficiente para programar a operação de distribuição de energia de forma adequada.
A precipitação pluviométrica é uma das variáveis meteorológicas mais relevantes para estudos climáticos. Conhecer sua variabilidade espacial e temporal permite planejar diversas atividades humanas, tanto do ponto de vista econômico quanto social. Tal importância deve-se às consequências que ela pode ocasionar, em excesso ou em falta, causando enchentes, inundações, secas, queda no fornecimento de energia, baixa produção de alimentos, entre outros. Este trabalho teve como objetivo estudar a série histórica de precipitação pluviométrica média mensal da cidade de Lavras/MG a fim de obter um modelo estatístico que permita realizar previsões, para isso utilizou-se 228 observações correspondente ao período de janeiro de 2000 a dezembro de 2018. Para esta análise, foi verificada a existência das componentes tendência e sazonalidade. A metodologia de Box e Jenkins foi utilizada na modelagem dos dados. Foram ajustados alguns modelos utilizando a classe SARIMA, pois a série em estudo apresentou sazonalidade estocástica. A comparação entre os modelos considerados adequados à série foi realizada através do EQM e AIC. O modelo SARIMA (0,0,0) x (0,1,1)12 foi utilizado para fazer previsões de observações futuras. A série de precipitação pluviométrica média mensal da cidade de Lavras/MG apresentou uma componente sazonal com periodicidade de 12 meses. O modelo ajustado obteve um resultado muito bom, pois os intervalos de confiança a 95% contiveram os doze valores reais de precipitação pluviométrica média mensal da cidade de Lavras/MG para o ano de 2019, mesmo diante dos imprevistos e incertezas associadas a fatores climáticos. O modelo em questão pode ser utilizado na tomada de decisões para a realização de planejamentos estratégicos futuros que envolvem questões públicas associadas à cidade de Lavras. Estas previsões também podem ser utilizadas para auxiliar os gestores da usina hidrelétrica do Funil/MG a programar operações e manutenções futuras da vazão de água de forma adequada, pois esta se encontra próxima ao município de Lavras.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.