Use este identificador para citar ou linkar para este item:
http://repositorio.ufla.br/jspui/handle/1/54372
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Nunes, Gérson dos Santos | - |
dc.creator | Mattos, Viviane Leite Dias de | - |
dc.creator | Konrath, Andréa Cristina | - |
dc.creator | Nakamura, Luiz Ricardo | - |
dc.creator | Bornia, Antônio Cezar | - |
dc.creator | Thomaz, Paulo Siga | - |
dc.date.accessioned | 2022-08-29T16:48:26Z | - |
dc.date.available | 2022-08-29T16:48:26Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | NUNES, G. dos S. et al. Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul. Exacta, [S.l.], v. 20, n. 2, p. 307-335, abr./jun. 2022. DOI: 10.5585/exactaep.2021.17357. | pt_BR |
dc.identifier.uri | http://repositorio.ufla.br/jspui/handle/1/54372 | - |
dc.description.abstract | This paper presents the modelling of electricity demand in State of Rio Grande do Sul for the three main consumer sectors: residential, commercial and industrial, through the autoregressive vector model, complemented by the error correction vector model. In this approach, we also considered information regarding energy tariff, GDP, appliances and electrical material and equipment prices. The predictive capacity of all fitted models was compared to the Box-Jenkins framework, specifically, with the autoregressive integrated moving average (ARIMA) models. All models were fitted using data from 1971 to 2010, and their validation were performed from 2011 up to 2017. In general, for all three consumer sections, the best predictive capacity was returned by the ARIMA models. Nevertheless, the other models performed better on one-step-ahead predictions. | pt_BR |
dc.language | pt_BR | pt_BR |
dc.publisher | Universidade Nove de Julho (UNINOVE) | pt_BR |
dc.rights | Attribution-NonCommercial-ShareAlike 4.0 International | * |
dc.rights | acesso aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.source | Exacta | pt_BR |
dc.subject | Séries temporais | pt_BR |
dc.subject | Modelo Box-Jenkins | pt_BR |
dc.subject | Modelo de vetores autorregressivos | pt_BR |
dc.subject | Modelo de correção de erros vetoriais | pt_BR |
dc.subject | Time series | pt_BR |
dc.subject | Box-Jenkins model | pt_BR |
dc.subject | Autoregressive vector model | pt_BR |
dc.subject | Error correction vector model | pt_BR |
dc.title | Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC: o caso da demanda por energia elétrica no Rio Grande do Sul | pt_BR |
dc.title.alternative | Evaluation of the predictive capacity of ARIMA and VAR-VEC models: the case of electricity demand in Rio Grande do Sul | pt_BR |
dc.type | Artigo | pt_BR |
dc.description.resumo | O presente estudo apresenta a modelagem da demanda de energia elétrica no estado do Rio Grande do Sul para os três principais setores consumidores: residencial, comercial e industrial, utilizando o modelo vetorial autorregressivo, complementado pelo modelo vetorial de correção dos erros. Nesta modelagem, também foram utilizadas informações a respeito da tarifa de energia elétrica, PIB, preços de eletrodomésticos e preço de materiais e equipamentos elétricos. A capacidade preditiva dos modelos ajustados foi comparada com a do modelo obtido pela modelagem de Box-Jenkins, em especial, o modelo autorregressivo integrado de médias móveis (ARIMA). Para o ajuste dos modelos, foram utilizados dados do período 1971-2010, tendo sua validação realizada no período 2011-17. De maneira geral, para os três setores consumidores, a melhor capacidade preditiva foi obtida a partir dos modelos ARIMA. Entretanto, os outros modelos o suplantaram para a previsão um passo à frente. | pt_BR |
Aparece nas coleções: | DES - Artigos publicados em periódicos |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
ARTIGO_Avaliação da capacidade preditiva de modelos ARIMA e VAR-VEC o caso da demanda por energia elétrica no Rio Grande do Sul.pdf | 1,08 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons