Análisis de la energía eólica en Brasil mediante Series Temporales
DOI:
https://doi.org/10.33448/rsd-v11i1.24827Palabras clave:
Energía eólica; Tendencia; Previsiones; SARIMA.Resumen
El objetivo de este trabajo fue ajustar un modelo de series temporales a la serie de energía eléctrica generada a través de la red eólica para estudiar la tendencia, la estacionalidad y realizar predicciones. La serie histórica utilizada consiste en la energía eléctrica generada a través de la red eólica, recogida mensualmente por el Operador Nacional do Sistema Elétrico. El intervalo está comprendido entre enero/2007 y marzo/2021, con 171 observaciones. La serie fue dividida en dos grupos, el primero (ene/2007 a dic/2019) utilizado para el proceso de modelización (calibración) y el otro (ene/2020 a mar/2021) para la evaluación de las predicciones (validación). Para realizar las predicciones se utilizó el periodo de abr/2021 a dic/2022. En los procedimientos, primero se aplicó una transformación Box-Cox en la escala de datos para convertir el modelo en aditivo. Luego, se verificó la presencia de la tendencia. A partir de la serie original transformada con una diferencia de orden 1, los correlogramas FAC y FACP, fueron posibles para algunos modelos. El residuo no correlacionado y un AIC menor fueron los criterios utilizados para los modelos. A partir de los elegidos, se realizaron predicciones para el periodo enero/2020 a marzo/2021, que fueron comparadas con las observaciones reales a través de EQMP. Se eligió el modelo SARIMA (5,1,2)×(0,0,3)12 por su menor EQMP. Otra observación está relacionada con que los próximos meses han seguido un patrón ascendente desde 2015. El modelo propuesto para predecir la cantidad de energía eléctrica generada por la red eólica ayudará a los gestores, dándoles tiempo para programar la distribución adecuada de la energia.
Citas
Alencar, D. B. (2018). Modelo híbrido baseado em séries temporais e redes neurais para prevenção da geração de energia eólica. Tese de doutorado, Universidade Federal do Pará, Belém, PA, Brasil.
Akaike, H. (1973). Maximum likelehood identification of gaussian autoregressive moving average models. Biometrika, London, 21, 243-7.
Box, G. E. P., & Jenkins, G. M. (1976). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day.
Braz, C. A., Rodrigues, R. L., & Siqueira, H. V. (2017). Geração de energia elétrica por meio de fontes de energia renováveis: uma revisão sistemática. Revista de Gestão Industrial, 13(1), 228-42.
Delfino, O. A. S., Santos, P. H. A. B., & Santos, R. V. R. (2021). Análise do comportamento da vazão de água na usina hidrelétrica do Funil/MG para realizar previsões e auxiliar na tomada de decisões. Sigmae, 10(1), 34-46.
Fernandes, L. C. (2018). Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal. Dissertação de mestrado, Universidade Federal de Pernambuco, Recife, PE, Brasil.
Ferreira, R. A., Miranda, V. F. L., Santos, P. M., & Sáfadi, T. (2020). Um estudo sobre a evolução de óbitos por câncer de mama no Brasil usando modelos de séries temporais. Research, Society and Development, 9(12), 1-20.
Hyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Chhay, L., O’hara-Wild, M., Petropoulos, F., Razbash, S., Wang, E., & Yasmeen, F. (2019). Forecast: Forecasting functions for time series and linear models. R package version 8.5, https://pkg.robjhyndman.com/forecast/
Lima, J. E. C., Castro, L. F., & Cartaxo, G. A. A. (2019). Aplicação do Modelo Sarima na Previsão de Demanda no Setor Calçadista. Rev. Mult. Psic., 13(46), 892-913.
Lima, D. K. S., Leão, R. P. S., Santos, A. C. S., Melo, F. D. C., & Chaves, C. M. N. M. (2013). Análise do potencial eólico offshore do Ceará em períodos de El Niño e La Niña. Revista Ciência e Natura, v. esp., 37-9.
Ljung, G. M., & Box, G. E. P. (1978). On a measure of lack of fit in time series models. Biometrika, 65(2), 97-303.
Melo, E. (2013). Fonte eólica de energia: aspectos de inserção, tecnologia e competitividade. Estudos Avançados, 27(77), 125-42.
Malta, C. S. (2009). Estudos de séries temporais de vento utilizando análises estatísticas e agrupamento de dados. Trabalho de conclusão de curso, Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil.
Martins, F. R., Guarnieri, R. A., & Pereira, E. B. (2008). O aproveitamento da energia eólica. Revista Brasileira de Ensino de Física, 30(1), 1304-13.
Ministério de Minas e Energia. MME (2021). Disponível em: https://static.poder360.com.br/2021/08/1-Boletim-Mensal-de-Energia-Maio-2021-Portugues.pdf. Acesso em 10 de setembro de 2021.
Morais, L. C. (2015). Estudo sobre o panorama da energia elétrica no Brasil e tendências futuras. Dissertação de mestrado, Universidade Estadual Paulista, Bauru, SP, Brasil.
Morettin, P. A., & Toloi, C. M. C. (2006). Análise de Séries Temporais (2a ed.). São Paulo: Edgard Blucher.
Operador Nacional do Sistema Elétrico. ONS (2021). Disponível em: http://www.ons.org.br/Paginas/resultados-da-operacao/historico-da-operacao/geracao_energia.aspx. Acesso em 15 de setembro de 2021.
Operador Nacional do Sistema Elétrico. ONS (2014). Disponível em:
http://antigo.mme.gov.br/documents/239673/907477/Boletim_de_Monitoramento_do_Sistema_Elxtrico_-_Fevereiro-2014.pdf/a52de0a5-aeee-bb66-05e8-7c7adc5862e6. Acesso em 12 de setembro de 2021.
Pinto, R. J., & Santos, V. M. L. (2019). Energia eólica no Brasil: evolução, desafios e perspectivas. Journal on Innovation and Sustainability, 10(1), 124-42.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka R. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Recuperado de: https://repositorio.ufsm.br/bitstream/handle/1/15824/ Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1
R Core Team. (2021). R: a language and environment for statistical computing. Vienna: R Foundation for statistical computing. http://www.Rproject.org.
Rodrigues, L. B., Perobelli, F. F. C., & Vasconcelos, S. (2017). Geração de energia eólica no Brasil: um investimento viável. Revista Brasileira de Economia de Empresas, 17(2), 71-94.
Sáfadi, T. (2004). Uso de séries temporais na análise de vazão de água na represa de Furnas. Ciência e Agrotecnologia, 28(1), 142-8.
Salino, P. J. (2011). Energia eólica no Brasil: uma comparação do PROINFA e dos novos leilões. Trabalho de conclusão de curso. Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil.
Santos, P. H. A. B., Delfino, O. A. S., Santos, R. V. R., & Nascimento, M. (2021). Ajuste de um modelo de séries temporais para prever a precipitação pluviométrica. Research, Society and Development, 10(6), 1-11.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52, 591–611.
Silva, H. B. (2018). Técnicas para redução de dimensionalidade de séries temporais e detecção de velocidades extremas do vento para geração de energia eólica. Dissertação de mestrado, Universidade Federal de Pernambuco, Recife, PE, Brasil.
Silva, P. K. O. (2017). Análise e previsão de curto prazo do vento através de modelagem estatística em áreas de potencial eólico no Nordeste do Brasil. Tese de doutorado, Universidade Federal de Campina Grande, Campina Grande, PB, Brasil.
Trapletti, A., & Hornik, K. (2021). tseries: Time Series Analysis and Computational Finance. R package version 0.10-49, https://CRAN.R-project.org/package=tseries.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Mateus dos Santos Silva; Pedro Henrique Alves Bittencourt Santos; Ricardo Vitor Ribeiro dos Santos; Mateus do Nascimento; Marcelino Alves Rosa de Pascoa; Renato Nunes Pereira; Tiago Almeida de Oliveira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
