Seleção de modelos de séries temporais e redes neurais artificiais na previsão de consumo e demanda de energia elétrica

Neste trabalho foram analisadas as séries mensais de consumo e demanda de energia elétrica da Universidade Federal de Lavras (UFLA), no período de janeiro de 1995 a dezembro de 2011, com o objetivo de prever os valores futuros através dos métodos de Box e Jenkins e Redes Neurais Artificiais (RNA). Foram realizadas comparações entre as metodologias sugeridas, por meio do erro quadrático médio de previsão (EQMP) e erro percentual absoluto médio de previsão (MAPE), para verificar o desempenho das mesmas. A metodologia Box e Jenkins apresentou-se eficiente para representar a série em estudo, captando os efeitos de tendência e sazonalidade ocorridos. Os resultados mostram que as Redes Neurais Artificiais obtiveram melhores valores nos índices de desempenho testados e se apresentam como um método satisfatório para a previsão um passo à frente do consumo e da demanda de energia elétrica.Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do Titulo de Mestre