Análise comparativa entre rede neural e modelos matemáticos na previsão do preço de liquidação das diferenças de energia no Brasil

Abstract

Este trabalho tem como objetivo avaliar a diferentes modelos matemáticos e computacionais de séries temporais na previsão do Preço da Liquidação das Diferenças de energia (PLD) no Brasil. Para isso, foram revisados diversos artigos científicos e documentos governamentais relevantes, a fim de entender conceitos e estruturação do mercado de energia elétrica brasileiro, modelos matemáticos, modelos de machine learning, métricas de avaliação, além de identificar os critérios que influenciam no preço do PLD. Em seguida, foi realizada a coleta e limpeza dos dados necessários para o processo de previsão. Com isso este trabalho apresenta uma comparação entre modelos tradicionais de previsão de séries temporais (Holt-Winters e SARIMA) com um modelo de rede neural (LSTM). Os modelos foram projetados e avaliados de acordo com 4 métricas de erro (MAE, MSE, RMSE e MAPE). O modelo que apresentou o melhor resultado foi o SARIMA, com um MAE de 5,796, MSE de 272,737, RMSE de 16,514 e uma MAPE de 1,151%. Além disso, foi possível observar que tanto o Holt-Winters quanto o LSTM também obtiveram resultados satifatórios