Essays on electricity price forecasting
Ano de defesa: | 2023 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | eng |
Instituição de defesa: |
Universidade Federal de Minas Gerais
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia de Produção
|
Departamento: |
ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO
|
País: |
Brasil
|
Palavras-chave em Português: | |
Link de acesso: | http://hdl.handle.net/1843/52319 https://orcid.org/0000-0003-2636-899X |
Resumo: | Desenvolver modelos preditivos é uma tarefa complexa, pois envolve a incerteza e o comportamento estocástico de variáveis. Especificamente no que diz respeito às commodities, prever com precisão seus preços futuros permite minimizar riscos e estabelecer mecanismos de suporte à decisão mais confiáveis. A discussão sobre este assunto é extensa, e a atenção acadêmica está sendo dada à construção de modelos não paramétricos para serem aplicados aos mercados de energia. Estes modelos apresentaram resultados preditivos promissores, o que justifica esta pesquisa. Diante do exposto, formula-se o seguinte questionamento: Como é possível prever com precisão os preços de energia no mercado spot brasileiro? A presente tese fornece uma revisão sistemática da literatura sobre os principais métodos de previsão aplicados ao setor de energia. No presente estudo, foi possível identificar lacunas de pesquisa e, assim, propor novos modelos preditivos. Esta tese apresenta modelos preditivos baseados na ideia de análogos. Os análogos consistem no processo de escanear uma série temporal e então, identificar padrões (os chamados "matchs") semelhantes às últimas observações disponíveis. Além disso, a recente teoria hierárquica de previsão de séries temporais foi incorporada, uma vez que muitos bancos de dados de energia têm padrões de dependência bem definidos entre si. |
id |
UFMG_3410956a023d6c3111471836114fd1a8 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/52319 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Marcelo Azevedo Costahttp://lattes.cnpq.br/0843501351619189Anderson Laécio Galindo TrindadeBruno de Almeida VilelaGustavo de Souza GroppoMarcos Oliveira Prateshttp://lattes.cnpq.br/2865658247618316Tiago Silveira Gontijo2023-04-20T18:08:37Z2023-04-20T18:08:37Z2023-03-02http://hdl.handle.net/1843/52319https://orcid.org/0000-0003-2636-899XDesenvolver modelos preditivos é uma tarefa complexa, pois envolve a incerteza e o comportamento estocástico de variáveis. Especificamente no que diz respeito às commodities, prever com precisão seus preços futuros permite minimizar riscos e estabelecer mecanismos de suporte à decisão mais confiáveis. A discussão sobre este assunto é extensa, e a atenção acadêmica está sendo dada à construção de modelos não paramétricos para serem aplicados aos mercados de energia. Estes modelos apresentaram resultados preditivos promissores, o que justifica esta pesquisa. Diante do exposto, formula-se o seguinte questionamento: Como é possível prever com precisão os preços de energia no mercado spot brasileiro? A presente tese fornece uma revisão sistemática da literatura sobre os principais métodos de previsão aplicados ao setor de energia. No presente estudo, foi possível identificar lacunas de pesquisa e, assim, propor novos modelos preditivos. Esta tese apresenta modelos preditivos baseados na ideia de análogos. Os análogos consistem no processo de escanear uma série temporal e então, identificar padrões (os chamados "matchs") semelhantes às últimas observações disponíveis. Além disso, a recente teoria hierárquica de previsão de séries temporais foi incorporada, uma vez que muitos bancos de dados de energia têm padrões de dependência bem definidos entre si.Developing predictive models is a complex task since it deals with the uncertainty and the stochastic behavior of variables. Specifically concerning commodities, accurately predicting their future prices allows for risk minimization and establishment of more reliable decision support mechanisms. Discussion of this issue is extensive, and academic attention is being paid to the construction of nonparametric models to be applied to energy markets. They have presented promising predictive results, which justifies this research. Given the above, the following question is formulated: How is it possible to predict energy prices accurately in the Brazilian spot market? The present thesis provides a systematic literature review of the main forecasting methods applied to the energy sector. In the present study, it was possible to identify research gaps and, thus, propose new predictive models. The present thesis presents predictive models based on the idea of analogs. Analogs consist of scanning a time series and identifying patterns (so-called "matches") that are similar to the last available observations. Additionally, the recent hierarchical time series prediction theory has been incorporated, since many energy databases have well-defined dependency patterns.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoengUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia de ProduçãoUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃOEngenharia de produçãoAprendizado do computadorEstatística aplicadaPesquisa quantitativaEnergia elétrica - PreçosPrevisãoSeries temporaisApplied statisticsBig dataData scienceExploratory data analysisElectricity priceMachine learningQuantitative methodsSystematic literature reviewTime seriesForecastingEssays on electricity price forecastingEnsayos sobre la previsión del precio de la electricidad.Ensaios sobre previsão de preços de eletricidadeEssais sur la prévision des prix de l'électricitéEssays zur StrompreisprognoseSaggi sulla previsione dei prezzi dell'elettricità電気料金予測に関するエッセイ電價預測論文电价预测论文Δοκίμια για την πρόβλεψη τιμών ηλεκτρικής ενέργειαςОчерки прогнозирования цен на электроэнергиюEsszék a villamosenergia-árak előrejelzésérőlDe electricity pretio forecastingEseuri despre prognoza prețului energiei electriceEseje na temat prognozowania cen energii elektrycznejמאמרים על חיזוי מחירי חשמלمقاله پیش بینی قیمت برقمقالات عن التنبؤ بأسعار الكهرباءinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALTese - Tiago 2023.pdfTese - Tiago 2023.pdfEssays on electricity price forecastingapplication/pdf5163949https://repositorio.ufmg.br/bitstream/1843/52319/1/Tese%20-%20Tiago%202023.pdf3bb737338186f2f6e995a5a35c739704MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82118https://repositorio.ufmg.br/bitstream/1843/52319/2/license.txtcda590c95a0b51b4d15f60c9642ca272MD521843/523192023-04-20 15:08:37.605oai:repositorio.ufmg.br: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ório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2023-04-20T18:08:37Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Essays on electricity price forecasting |
dc.title.alternative.pt_BR.fl_str_mv |
Ensayos sobre la previsión del precio de la electricidad. Ensaios sobre previsão de preços de eletricidade Essais sur la prévision des prix de l'électricité Essays zur Strompreisprognose Saggi sulla previsione dei prezzi dell'elettricità 電気料金予測に関するエッセイ 電價預測論文 电价预测论文 Δοκίμια για την πρόβλεψη τιμών ηλεκτρικής ενέργειας Очерки прогнозирования цен на электроэнергию Esszék a villamosenergia-árak előrejelzéséről De electricity pretio forecasting Eseuri despre prognoza prețului energiei electrice Eseje na temat prognozowania cen energii elektrycznej מאמרים על חיזוי מחירי חשמל مقاله پیش بینی قیمت برق مقالات عن التنبؤ بأسعار الكهرباء |
title |
Essays on electricity price forecasting |
spellingShingle |
Essays on electricity price forecasting Tiago Silveira Gontijo Applied statistics Big data Data science Exploratory data analysis Electricity price Machine learning Quantitative methods Systematic literature review Time series Forecasting Engenharia de produção Aprendizado do computador Estatística aplicada Pesquisa quantitativa Energia elétrica - Preços Previsão Series temporais |
title_short |
Essays on electricity price forecasting |
title_full |
Essays on electricity price forecasting |
title_fullStr |
Essays on electricity price forecasting |
title_full_unstemmed |
Essays on electricity price forecasting |
title_sort |
Essays on electricity price forecasting |
author |
Tiago Silveira Gontijo |
author_facet |
Tiago Silveira Gontijo |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Marcelo Azevedo Costa |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0843501351619189 |
dc.contributor.referee1.fl_str_mv |
Anderson Laécio Galindo Trindade |
dc.contributor.referee2.fl_str_mv |
Bruno de Almeida Vilela |
dc.contributor.referee3.fl_str_mv |
Gustavo de Souza Groppo |
dc.contributor.referee4.fl_str_mv |
Marcos Oliveira Prates |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/2865658247618316 |
dc.contributor.author.fl_str_mv |
Tiago Silveira Gontijo |
contributor_str_mv |
Marcelo Azevedo Costa Anderson Laécio Galindo Trindade Bruno de Almeida Vilela Gustavo de Souza Groppo Marcos Oliveira Prates |
dc.subject.por.fl_str_mv |
Applied statistics Big data Data science Exploratory data analysis Electricity price Machine learning Quantitative methods Systematic literature review Time series Forecasting |
topic |
Applied statistics Big data Data science Exploratory data analysis Electricity price Machine learning Quantitative methods Systematic literature review Time series Forecasting Engenharia de produção Aprendizado do computador Estatística aplicada Pesquisa quantitativa Energia elétrica - Preços Previsão Series temporais |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia de produção Aprendizado do computador Estatística aplicada Pesquisa quantitativa Energia elétrica - Preços Previsão Series temporais |
description |
Desenvolver modelos preditivos é uma tarefa complexa, pois envolve a incerteza e o comportamento estocástico de variáveis. Especificamente no que diz respeito às commodities, prever com precisão seus preços futuros permite minimizar riscos e estabelecer mecanismos de suporte à decisão mais confiáveis. A discussão sobre este assunto é extensa, e a atenção acadêmica está sendo dada à construção de modelos não paramétricos para serem aplicados aos mercados de energia. Estes modelos apresentaram resultados preditivos promissores, o que justifica esta pesquisa. Diante do exposto, formula-se o seguinte questionamento: Como é possível prever com precisão os preços de energia no mercado spot brasileiro? A presente tese fornece uma revisão sistemática da literatura sobre os principais métodos de previsão aplicados ao setor de energia. No presente estudo, foi possível identificar lacunas de pesquisa e, assim, propor novos modelos preditivos. Esta tese apresenta modelos preditivos baseados na ideia de análogos. Os análogos consistem no processo de escanear uma série temporal e então, identificar padrões (os chamados "matchs") semelhantes às últimas observações disponíveis. Além disso, a recente teoria hierárquica de previsão de séries temporais foi incorporada, uma vez que muitos bancos de dados de energia têm padrões de dependência bem definidos entre si. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-04-20T18:08:37Z |
dc.date.available.fl_str_mv |
2023-04-20T18:08:37Z |
dc.date.issued.fl_str_mv |
2023-03-02 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/52319 |
dc.identifier.orcid.pt_BR.fl_str_mv |
https://orcid.org/0000-0003-2636-899X |
url |
http://hdl.handle.net/1843/52319 https://orcid.org/0000-0003-2636-899X |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/52319/1/Tese%20-%20Tiago%202023.pdf https://repositorio.ufmg.br/bitstream/1843/52319/2/license.txt |
bitstream.checksum.fl_str_mv |
3bb737338186f2f6e995a5a35c739704 cda590c95a0b51b4d15f60c9642ca272 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1793890859991695360 |