X EDAO ENCONTRO PARA DEBATES DE ASSUNTOS DE OPERAÇÃO PREVISÃO EVOLUTIVA DE CARGA INCLUINDO A ANÁLISE DE RISCOS
|
|
- Natália Castilhos Gama
- 7 Há anos
- Visualizações:
Transcrição
1 X EDAO ENCONTRO PARA DEBATES DE ASSUNTOS DE OPERAÇÃO PREVISÃO EVOLUTIVA DE CARGA INCLUINDO A ANÁLISE DE RISCOS RESUMO Os modelos tradicionais de Previsão de Carga buscam projetar o futuro com base no comportamento passado. Este conceito, apesar de intuitivo, vem se mostrando inadequado: sabe-se que o comportamento do consumidor vem sofrendo profundas mudanças causadas por inúmeros fatores desde o impacto do racionamento até a eficientização e a evolução do país (explosão demográfica, mudanças nos padrões de renda/consumo, etc.). A própria volatilidade nos preços da energia e as diversas modalidades tarifárias vêm produzindo alterações bastante sensíveis. Mais ainda, a previsão pessimista, média e otimista não é suficiente. Sabe-se que o impacto de um erro de previsão pode ser bastante grande principalmente em épocas de escassez, como a que atravessamos atualmente. O ideal é a construção da superfície de distribuição dos níveis de carga e suas probabilidades associadas. Só assim será possível uma análise precisa e confiável dos riscos associados à previsão. PALAVRAS-CHAVE Análise de risco; carga; incerteza; previsão. 1. INTRODUÇÃO Apresentamos neste artigo a evolução de um trabalho de previsão de mercado iniciado em 23 e implantado com sucesso em diversas empresas do setor, agora estendido à Previsão de Carga. O modelo não se baseia em estatísticas passadas por definição obsoletas ante a extrema dinâmica do consumo. Ao contrário, buscamos o entendimento da dinâmica a partir de suas variáveis explicativas, usando ferramentas inovadoras baseadas em análise funcional evolutiva e Espaços de Hilbert. A previsão é realizada a partir da projeção das variáveis explicativas e de seu impacto na explicada (a carga, modularizada ou não por meses, semanas, dias, horas, patamares, etc.). Um dos pontos mais fortes do algoritmo é a característica evolutiva do processo. Possíveis erros (que eventualmente podem ocorrer) não são, como nos modelos estatísticos ou neurais, extirpados como anomalias ou pontos fora da curva. Entendemos que o modelo deve adaptar-se à realidade, e não ao contrário. Comportamentos imprevistos são analisados, explicados e absorvidos, aumentando a capacidade de previsão e evitando que novos erros aconteçam. O modelo aprende com o tempo e adapta-se a novas situações, afastando o fantasma da obsolescência. A extensão aqui proposta incorpora a análise de riscos, a partir das incertezas associadas às variáveis explicativas (temperaturas, chuvas, economia, comportamento do consumidor, etc.). É possível, assim, caracterizar matematicamente a influência de cada componente e a incerteza que traz à previsão. 2. O MODELO DESENVOLVIDO Deseja-se mais do que uma simples previsão que pode se concretizar ou não. Nosso objetivo é a caracterização completa da dinâmica da variável em estudo, suas incertezas e possíveis evoluções a curto, médio e longo prazo. O modelo pode ser portanto utilizado para a operação e o planejamento a qualquer horizonte. 2.1 Teorema da Projeção A Análise Funcional tem sido extensivamente empregada [1-5] como base a diversos processos de otimização. Ela pode ser aplicada com base estatística, como em muitos problemas de comunicação, ou determinística associada a Espaços de Hilbert específicos com dimensão finita. É usual referir-se aos membros do Espaço de Hilbert,como vetores, seqüências de dados, como cargas, temperaturas, índices econômicos, etc. Idealmente o Espaço de Hilbert considerado: é um espaço métrico completo [6], e sua solução ótima satisfaz a Condição de Ortogonalidade e o Teorema da Projeção, conforme mostrado na Figura 1. FIGURA 1 Ilustração do Teorema da Projeção Observa-se que o vetor desejado (em nosso caso, a Carga ou o Mercado), pode ser aproximado pela soma vetorial de suas variáveis explicativas. A Figura 2 ilustra o caso de uma única variável explicativa, onde o vetor desejado corresponde à soma vetorial de sua projeção sobre a variável explicativa e do erro associado à aproximação.
2 FIGURA 2 Decomposição nas componentes explicada e não explicada (erro) 2.2 Algoritmo. FIGURA 4 Esquema Geral da Plataforma de Análise/Previsão A ferramenta é encapsulada em um interface amigável e eficiente, mostrada na Figura 5. Executamos neste momento testes para a projeção das Perdas e do Mercado Não Faturado. O processo é sequencial. O vetor vai sendo explicado iterativamente a partir das variáveis explicativas selecionadas, e gerando outros resíduos por construção independentes das variávies já utilizadas. A Figura 3 ilustra a sucessão de aproximações, realçando a decomposiçao do vetor desejado em uma soma de aproximações (projeções) e um resíduo (erro) final. FIGURA 5 Interface da Ferramenta de Análise/Previsão FIGURA 3 Sucessão de Aplicações Do ponto de vista prático, não é objetivo do projetista alcançar a propriedade matemática do espaço ser completo, ou seja, resíduo final zero. A meta é que a incerteza no resíduo Ek seja suficientemente pequena para ser considerada implícita à operação do sistema de distribuição. A busca de novas variáveis explicativas se encerra uma vez que este resultado seja alcançado. 2.3 Aplicação O modelo aqui apresentado está aplicado em várias empresas do setor, com bons resultados, sendo utilizado rotineiramente para a análise e projeção de carga e mercado, estratificado por classe, posto tarifário, segmento, região, etc. A Figura 4 ilustra o conceito básico da Plataforma de Análise/Previsão: o mapeamento inteligente das funções explicativas (climatológicas, comportamentais, econômicas) nas explicadas (mercado, carga). 3. A EVOLUÇÃO 3.1 A Análise de Riscos Sabe-se, entretanto, que não basta uma única projeção. Por exemplo, o modelo de contratação admite erros de até 3%. Estratégias da empresa normalmente baseiam-se nas técnicas de Valor em Risco (VAR ou CVAR), que requerem a utilização de vários cenários futuros possíveis. As incertezas da previsão (ou da projeção de cenários) são normalmente associadas ao erro da construção da função de trasferência, ilustrada na Figura 6, que mapeia as variáveis explicativas em explicadas. FIGURA 6 Incertezas na Função de Transferência
3 3.2 Uma Nova Proposta Nosso modelo não toma como incertezas o erro na função explicativa; esta é levantada com a precisão possível, e o montante não explicado é totalmente definido. Tomamos, ao contrário, a incerteza real: a associada às variáveis explicativas, como ilustrado na Figura 7.
4 4.3 A Análise e Construção do Modelo Inicialmente, a Carga é normalizada pelo número de dias úteis ao mês. Esta etapa é necessária, já que é preciso levar em conta as diferenças devidas não apeans ao número de dias (28, 29, 3, 31), mas também aos tipos de cada dia (sábados, domingos, feriados-ponte, feriados, feriados prolongados, etc,). A Figura 9 apresenta as curvas normalizadas da Carga original e de sua normalização..4.3 Carga Carga - Corrigida por dias do Mês Finalmente, testamos a sazonalidade para a explicação do último resíduo (não explicado pelo PIB ou pela Temperatura). A Figura 12 apresenta a forte relação entre os dois: 1% da carga é representado pela sazonalidade. Vale notar que a sazonalidade, em nosso caso, contém um forte componente comportamental, associado às festas de fim de ano, férias, picos correspondentes a festas ou a sazonalidades de produção, etc..4 Carga - Corrigida SEM PIB SEM Temperatura SP Sazonalidade Residual Jan5 Apr Jul Oct Jan6 Apr Jul Oct Jan7 Apr Jul Oct Jan8 FIGURA 9 Carga Original e Normalizada Busca-se, então, a primeira variável explicativa a ser utilizada no modelo. Em nosso caso, a escolha recaiu sobre o PIB-Brasil. A associação entre as duas variáveis pode ser evidenciada pela Figura 1, que apresenta as duas séries normalizadas Carga - Corrigida PIB -.4 Jan5 Apr Jul Oct Jan6 Apr Jul Oct Jan7 Apr Jul Oct Jan8 FIGURA 12 Sazonalidade do resíduo final A Figura 13 apresenta o modelo final (que mapeia as séries explicativas na explicada), com os pesos associados a cada variável. É possível saber, por exemplo, o impacto de um aumento de um grau celcius na carga, ou de uma crise econômica e correspon-dente decréscimo do PIB % 6% 1% 1.1% Jan5 Apr Jul Oct Jan6 Apr Jul Oct Jan7 Apr Jul Oct Jan8 FIGURA 1 Carga normalizada (corrigida) e PIB A projeção vetorial indica uma relação entre as duas variáveis: 89% (resíduo igual a 11%). Passamos então a buscar uma explicação para o resíduo (a componente vetorial não explicada pelo PIB. Uma comparação com a Temperatura em SP, ilustrada na Figura 11, revela uma relação igual a 6%. PIB Temperatura SP Sazonalidade Residual Outros Total FIGURA 13 Modelo final para a Carga.5 Carga - Corrigida SEM PIB Temperatura SP 4.3 Modelagem das Variáveis Explicativas Em nosso caso, a principal variável explicativa é o PIB, e nele concentraremos nossos esforços de modelo da incerteza. Vale notar que, sem perda de generalidade, poderíamos estender estes conceitos para qualquer uma das variáveis explicativas (temperatura, sazonalidade, etc.) Jan5 Apr Jul Oct Jan6 Apr Jul Oct Jan7 Apr Jul Oct Jan8 FIGURA 11 Resíduo e Temperatura em SP A incerteza a ser estudada será portanto a do crescimento do PIB. Para tanto, será necessário modelá-lo, identificando suas variáveis explicativas e fatores de risco associados.
5 Não detalharemos, por motivos de espaço, a construção do Modelo do PIB. A Figura 14 resume os resultados obtidos e as variáveis econômicas escolhidas: 1- Cenário Externo, responsável pelo ingresso de capital estrangeiro no país 2- Crescimento da Indústria 3- Desempenho do Setor Agrícola 4- Renda da População A evolução do PIB deverá ser baseada, portanto, no desempenho destas variáveis explicativas primitivas. 65% 4% 2% Figura 17 Detalhamento do modelo fuzzy para cada variável explicativa Em princípio, se nenhum cenário estiver selecionado, assumem-se todos como equipossíveis. O modelo realiza a convolução de todas as possibilidades, construindo a curva de distribuições acumuladas de possibilidades para os cenários futuros ilustrada na Figura 18 29% CENÁRIO EXTERNO INDÚSTRIA AGRICULTURA RENDA Total Curva de Possibilidades FIGURA 14 Modelo do PIB 4.4 Incorporação das Incertezas As incertezas associadas a cada variável primitiva podem ser modeladas a partir do modelo fuzzy, operado pela interface ilustrada na Figura 15 e detalhada na Figura 16 FIGURA 18 Curva Acumulada de Possibilidades Se o analista optar por especificar todos os cenários para cada possível variável explicativa, fecha o leque de possibilidades, recaindo em um único cenário (formado pelos quatro especificados, em nosso exemplo), com probabilidade unitária, como ilustrado na Figura 19. FIGURA 15 Interface para o modelo fuzzy FIGURA 19 Cenário completamente especificado FIGURA 16 Detalhe da construção do modelo O analista estabelece alguns níveis para a percepção da evolução de cada variável (em nosso caso, 4 níveis: ruim, baixo, estável, crescente), como detalhado na Figura 17 O conjunto de cenários deve ser coerente. Não é possível, por exemplo, imaginar plausível a ocorrência de um cenário ruim na área externa, industrial e agrícola associado a um cenário de renda crescente. Por este motivo, a Plataforma possui um sistema interno de crítica, que avisa ao usuário da viabilidade (ou (implausibilidade) de um cenário. Fica a critério do analista aceitar ou não a crítica.
6 4.5 Cenários para as Variáveis Explicativas Disponíveis os cenários para as variáveis primitivas, a obtenção do cenário de PIB é imediata: basta aplicar o modelo construído e sintetizado na Figura 14. O mesmo se aplica à Carga: o feixe de cenários de PIB obtido pode ser facilmente transformado em cenários de Carga a partir do modelo ilustrado na Figura 13. As Figuras 2 e 21 ilustram respectivamente os cenários futuros de PIB e Carga obtidos pelo processo descrito Carga MWh Temperatura SP -.2 Jan FebMar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul FIGURA 22 Carga x Temperatura SP PIB FIGURA 2 Projeção de Cenáros de PIB No entanto, uma análise mais cuidadosa pode trazer informações mais interessantes. Por exemplo, a Figura 23 apresenta a mesma comparação para apenas um dia da semana por exemplo, quarta-feira, descontada a tendência de longo prazo: já é mais clara a relação entre as duas variáveis. Pode-se ainda observar a variação sazonal da resposta: a carga sobe menos nos meses de verão em relação à temperatura e exibe uma resposta mais forte no inverno. A correlação das séries mês a mês apresenta um valor impressionante: cerca de 9%. 9.6 x Carga FIGURA 21 Projeção de Cenários de Carga 5. APLICAÇÃO À PROGRAMAÇÃO DA OPERAÇÃO O Processo da Programação da Operação é mais complexo: exige a previsão a curto ou curtíssimo prazo, extremamente dependende do comportamento do consumidor. Neste caso, não se aplicam normalmente as tendências explicadas pela economia ou por crescimento populacional. 5.1 Identificação das Variáveis Explicativas Algumas das variáveis explicativas que mais impacta o consumo a curto prazo são as climatológicas: normalmente chuvas e temperaturas. No entanto, a resposta do consumidor não é uniforme: depende do dia da semana. Feriados exibem comportamentos muitas vezes anômalos, meses de férias podem responder de forma muito atenuada ou realçada, dependendo da migração da população. A Figura 22 apresenta a comparação entre a carga e a temperatura em São Paulo a partir de Janeiro de 27. É possível observar que a relação entre as duas não parece muito evidente: a correlação entre ambas é negativa: -2%. -.2 Carga Temperatura -.25 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul FIGURA 23 Carga x Temperatura SP Quartas-feiras 5.2 Projeção de Cenários Futuros A Plataforma possui um módulo integrado para a previsão climatológica a partir de modelos climatológicos de propagação global. No entanto, a ferramenta é flexível, e aceita a entrada de qualquer previsão disponível. 5.3 Desempenho do Modelo Proposto Realizamos inicialmente o teste de desempenho do modelo aplicado à previsão a curto prazo: desejamos, neste estudo, projetar a carga para a semana de 3 a 9 de agosto de 28. Consideramos conhecida apenas a carga até o dia anterior (2 de agosto), de forma a comparar a carga realizada e prevista. A Figura 24 ilustra a comparação entre a carga prevista e verificada; os erros observados são exibidos na Figura 25.
7 Pode-se notar a potencialidade da ferramenta: mesmo sem incluir outras variáveis por exemplo, impacto de feriados, sazonalidades, dias especiais, etc.), os erros obtidos são tão pequenos, que o realizado e o previsto praticamente se confundem. Deve-se notar que a série de consumo da Eletropaulo pode ser considerada bem comportada. Esta precisão pode não se verificar em outras empresas, situadas em regiões distintas e sujeitas a um consumo ainda não estabilizado. FIGURA 27 Superfície de cenários futuros A ferramenta resultante está neste momento desenvolvida e encontra-se em testes. Alguns dos desenvolvimentos atuais incluem os testes para a aplicação da previsão por barra 7. CONCLUSÕES FIGURA 24 Carga Prevista e Realizada Nosso objetivo é apresentar um modelo até agora não existente no setor de energia: capaz de prever a dinâmica do consumo baseada em seu entendimento, considerando a evolução futura (e não a réplica da passada). O modelo é capaz ainda de traçar a distribuição de probabilidades (ou possibilidades) da variável em estudo, possibilitando uma análise de riscos completa e confiável. Sua flexibilidade permite a aplicação ao longo, médio e curto prazo, com qualquer detalhe desejado pelo agente. FIGURA 25 Erros Percentuais Finalmente, a Figura 26 ilustra a previsão dos cenários futuros de carga a partir das possíveis temperaturas para o horizonte considerado. Esperamos assim contribuir para uma análise mais precisa e confiável dos riscos associados à previsão. 8. REFERÊNCIAS BIBLIOGRÁFICAS FIGURA 26 Cenários de Carga Futura 6. TRABALHOS FUTUROS O processo descrito pode ser estendido para a obtenção não de um feixe, mas de uma superfície de cenários de carga ou mercado, como ilustrado na Figura 27. Mais ainda, é possível, a partir da superfície obtida, realizar não apenas análises, mas gestões completas de riscos, como descrito em [7]. [1] FRANKS, L.E., Signal Theory, Prentice Hall, 1969 [2] DEBNATH, Lokenath, MIKUSINSKI Piotr, Introduction to Hilbert Spaces with Application, 1999, Academic Press. [3] AKHIEZER, N.I., GLAZMAN, I.M.Glazman, Theory of Linear Operators in Hilbert Space,1988, Dover [4] HAYKIN, Simon, Adaptive Filter Theory (4th Edition), Prentice Hall, 21 [5] MITRA. S.K., Digital Signal Processing A Computer-Based Approach, McGraw-Hill, 1998 [6] SZCZUPAK, J., PINTO, L., MACEDO, LH, PASCON, J.R., SEMOLINI, R., INOUE, M., ALMEIDA C., Load Modeling and Forecast based on a Hilbert Space Decomposition, IEEE Power General Meeting, 27. [7] TORTELLI, D., PINTO, L., MACÊDO, LH, Gestão de Riscos de Mercado, Relatório Engenho/CPFL, 28
PREVISÃO EVOLUTIVA DE CARGA INCLUINDO A ANÁLISE DE RISCOS
PREVISÃO EVOLUTIVA DE CARGA INCLUINDO A ANÁLISE DE RISCOS Leontina Pinto ENGENHO Luiz Macêdo ENGENHO Jacques Szczupak ENGENHO Elias Albarello ELETROPAULO Débora Tortelli - CPFL 1 INTRODUÇÃO Dez 00/Jan
PLATAFORMA DE PROJEÇÃO DE DEMANDA USANDO MODELO VETORIAL. Alexandre Cafure Lafranque
PLATAFORMA DE PROJEÇÃO DE DEMANDA USANDO MODELO VETORIAL Alexandre Cafure Lafranque AGENDA Projeção de Demanda com o Modelo Vetorial O Desafio da Projeção de Carga Introdução ao Modelo Vetorial Plataforma
5 O Desafio: Atender às Necessidades Energéticas da Sociedade
5 O Desafio: Atender às Necessidades Energéticas da Sociedade 5.1 Idéia Central O Brasil apresenta fortes incertezas para o suprimento futuro de energia elétrica. Nos últimos anos, o desequilíbrio entre
4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
ANÁLISE DE SÉRIES TEMPORAIS
1 Definição e representação ANÁLISE DE SÉRIES TEMPORAIS Uma série temporal é um conjunto de observações tomadas em intervalos de tempo comumente iguais (ano a ano, mês a mês, semana a semana, etc.). Exemplos:
1 Introdução. 1.1 Motivação
1 Introdução 1.1 Motivação O objetivo principal das concessionárias prestadoras dos serviços essenciais, tais como água e esgoto, luz e telefone, é fornecer o seu produto da forma mais eficiente, econômica
Nova queda do PIB não surpreende mercado
Nova queda do PIB não surpreende mercado Os dados do Produto Interno Bruto (PIB) divulgados pelo Instituto Brasileiro de Estatística e Geografia (IBGE) nesta primeira semana de março mostram a tendência
Econometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
O uso de Máquina de Suporte Vetorial para Regressão (SVR) na Estimação da Estrutura a Termo da Taxa de Juros do Brasil 12
1 Introdução No Brasil, o grande aumento na adesão a planos de previdência privada nos últimos tempos implicou em maiores preocupações de bancos e seguradoras em fazer investimentos visando garantir o
Sistema de Modelagem Estocástica para Previsão Climática Sazonal
Sistema de Modelagem Estocástica para Previsão Climática Sazonal Prof. Paulo Sergio Lucio Prof. David Mendes Programa de Pós-graduação em Ciências Climáticas PPGCC Bacharelado em Meteorologia BM Universidade
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Abordagem Contínua da Equalização Equalização Exemplo de Equalização Prof. Sergio Ribeiro 2 Técnica que procura redistribuir os valores de
CUSTO MARGINAL DE DÉFICIT DE ENERGIA ELÉTRICA
CUSTO MARGINAL DE DÉFICIT DE ENERGIA ELÉTRICA Daiane Mara Barbosa Baseado em: Déficit de Energia Elétrica: histórico, avaliação e proposta de uma nova metodologia por Paulo Gerson Cayres Loureiro. CUSTO
INE 5101 Simulação Discreta. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
INE 5101 Simulação Discreta 1 Objetivos do curso Ao final deste curso você deverá saber: O que é modelagem e simulação de sistemas; Como funcionam programas de simulação; Como utilizar corretamente uma
7. Resultados. 7 MATLAB é um produto da The MathWorks, Inc.
7. Resultados O modelo foi implementado por meio da linguagem computacional utilizada no software Matlab 7 e através da utilização do otimizador GLPK (GNU Linear Programming kit), em uma plataforma de
LUIS OCTAVIO ADMINISTRAÇÃO PÚBLICA
LUIS OCTAVIO ADMINISTRAÇÃO PÚBLICA PROCESSO DECISÓRIO PROCESSO DECISÓRIO - CONCEITO Decidir é optar ou selecionar dentre várias alternativas de cursos de ação aquela que pareça mais adequada. PROCESSO
Introdução à Macroeconomia. Danilo Igliori Desemprego
Introdução à Macroeconomia Danilo Igliori (digliori@usp.br) Desemprego 1 Taxa natural de desemprego É a taxa média de desemprego em torno da qual a economia flutua (equilíbrio). Em uma recessão, a taxa
Sistema de Controle e Monitoramento de Carregamento de Alimentadores e Transformadores de Subestações
21 a 25 de Agosto de 2006 Belo Horizonte - MG Sistema de Controle e Monitoramento de Carregamento de Alimentadores e Transformadores de Subestações Blunio Elias da Silva CEMIG Distribuição S.A belias@cemig.com.br
Retração do PIB apresenta tímida melhora
Retração do PIB apresenta tímida melhora No boletim de Conjuntura Econômica do mês de Jun./16 os dados do Produto Interno Bruto (PIB) para o primeiro trimestre de 2016, divulgados pelo Instituto Brasileiro
Março mar-19/ mar-18 ajustado (1)
Março 2019 1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em março/19 apresentou variação negativa de 2,2%, em
5 Decisão Sob Incerteza
5 Decisão Sob Incerteza Os problemas de decisão sob incerteza são caracterizados pela necessidade de se definir valores de variáveis de decisão sem o conhecimento prévio da realização de parâmetros que,
5 Exemplos e testes 5.1 Exemplos de uso da Biblioteca Simula ao de um radar rodovi ario de monitoramento de velocidade automotiva
5 Exemplos e testes Com o objetivo de experimentar a aplicação deste trabalho em simulações de radares, foram desenvolvidos exemplos de simulações de cenários realistas. Cinco simulações foram experimentadas:
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Janeiro jan-19/ jan-18 ajustado (1)
1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em janeiro/19 apresentou variação positiva de 6,6% em relação ao
Março Obs.: O detalhamento por classe de consumo será informado na Resenha de Mercado da EPE do mês de março/18.
Março 2018 1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em março/18 apresenta variação positiva de 2,0% em relação
3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Séries Temporais. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Séries Temporais Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução O que é uma série temporal? O que é a análise de uma série temporal?
Agosto APRESENTA EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS
1. APRESENTA EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em agosto/17 apresenta variação positiva de 0,1% em relação
Séries Temporais. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Séries Temporais Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução O que é uma série temporal? O que é a análise de uma série temporal?
Programa Analítico de Disciplina ELT430 Modelagem e Identificação de Sistemas
0 Programa Analítico de Disciplina Departamento de Engenharia Elétrica - Centro de Ciências Exatas e Tecnológicas Número de créditos: Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Prof. Fabrício Maciel Gomes
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Prof. Fabrício Maciel Gomes Previsão de Demanda A previsão da demanda é a base para o planejamento estratégico da produção, vendas
a determinadas condições de uso. Este mecanismo permite, ainda, a integração de domínios externos. A descrição da interface é feita de forma
120 5 Conclusão Este trabalho propõe uma arquitetura para adaptação e meta-adaptação de Sistemas Hipermídia. Com a adaptação, a utilização de sistemas hipermídia se torna mais eficaz evitando que a quantidade
Pontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Outubro 2017 Dom Seg Ter Qua Qui Sex Sáb 1 2 Centrais Termoelétricas e Centrais Solares Térmicas
Outubro 2017 1 2 Centrais Termoelétricas e Centrais Solares Térmicas 3 Centrais Termoelétricas e Centrais Solares Térmicas (Nogueira) 5 Centrais Termoelétricas e Centrais Solares Térmicas 6 Centrais Termoelétricas
CONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Junho Obs.: O detalhamento por classe de consumo será informado na Resenha de Mercado da EPE do mês de julho/17.
1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em junho/17 apresenta acréscimo de 1,5% em relação ao valor verificado
5 Modelos de previsão
5 Modelos de previsão 5.1 Previsão de séries temporais Um método comum para escrever o problema de previsão de séries temporais em uma estrutura de estimação por regressão é considerar as séries temporais
4 Modelagem em Árvore
MODELAGEM EM ÁRVORE 39 4 Modelagem em Árvore 4.1 Introdução A modelagem por árvore de cenários é uma forma usual de representação de incertezas em problemas estocásticos multi-período [9, 14, 28, 42, 43].
5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Abril EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS Sistema Interligado Nacional
Abril 2018 1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em abril/18 apresenta variação positiva de 4,1% em relação
lnteligência Artificial Introdução ao Processo Decisório de Markov
lnteligência Artificial Introdução ao Processo Decisório de Markov Aprendizado - paradigmas Aprendizado supervisionado O crítico comunica a EA o erro relativo entre a ação que deve ser tomada idealmente
Especialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15 1 Introdução Na indústria moderna há uma contínua busca da otimização dos níveis de produção e da melhoria da qualidade
Julho Obs.: O detalhamento por classe de consumo será informado na Resenha de Mercado da EPE do mês de agosto/18.
1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em julho/18 apresenta variação positiva de 3,9% em relação ao valor
Geometria Computacional
Geometria Computacional Claudio Esperança Paulo Roma Cavalcanti Estrutura do Curso Aspectos teóricos e práticos Construção e análise de algoritmos e estruturas de dados para a solucionar problemas geométricos
Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
MODELOS ECONOMÉTRICOS PARA DADOS DE ALTA- FREQUENCIA: TEORIA E APLICAÇÕES
MODELOS ECONOMÉTRICOS PARA DADOS DE ALTA- FREQUENCIA: TEORIA E APLICAÇÕES Aluno: Thiago Portugal Frotté Orientador: Marcelo Cunha Medeiros Introdução Atualmente a previsão de eventos econômicos está em
FILTRAGEM ADAPTATIVA DE SINAIS. Adaptive Filtering of Signals
Jan-Mar 2010 Intellectus FILTRAGEM ADAPTATIVA DE SINAIS Adaptive Filtering of Signals Mário ULIANI NETO Faculdade de Jaguariúna Faculdade Politécnica de Campinas Fundação CPqD Leandro de Campos Teixeira
Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados
Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados José Eduardo Holanda Ellery Coelho 1 Hellano Vieira de Almeida 2 Rafael Braz Azevedo Farias 3
5 Simulação do PLD médio anual
5 Simulação do PLD médio anual Como a energia elétrica tem a característica de não ser armazenável, o balanço produção-consumo deve ser feito instantaneamente, de forma que pode haver diferenças entre
2 Revisão Bibliográfica
Revisão Bibliográfica 20 2 Revisão Bibliográfica Antes de definir o modelo para previsão de carga elétrica, é necessário fazer um breve resumo dos mais tradicionais modelos de previsão de carga publicados
7 ESTUDO DE CASO: RESULTADOS
ESTUDO DE CASO: RESULTADOS 62 7 ESTUDO DE CASO: RESULTADOS 7.1 Introdução Como foi detalhado no capítulo anterior, foram feitos quatro casos para simulação em cada um dos leilões realizados: primeiro leilão
PROJETO E ANÁLISE DO DESEMPENHO DOS FILTROS IIR POR MEIO DA TÉCNICA DE INVARIÂNCIA AO IMPULSO E TRANSFORMAÇÃO BILINEAR
PROJETO E ANÁLISE DO DESEMPENHO DOS FILTROS IIR POR MEIO DA TÉCNICA DE INVARIÂNCIA AO IMPULSO E TRANSFORMAÇÃO BILINEAR Elder Eldervitch C. de OLIVEIRA (1); Adaildo Gomes D ASSUNÇÃO (2); Ronaldo A. MARTINS
Thiago Christiano Silva
Thiago Christiano Silva Conteúdo Conceitos Relevantes Problemas de Otimização Conceitos de Estabilidade e Convergência Teoremas de Lyapunov Rede Neural de Hopfield Aplicações do modelo de Hopfield Clusterização
Departamento de Matemática
Computação Gráfica - Evolução de Curvas e Superfícies Aluno: Vinícius Segura Orientador: Sinésio Pesco Introdução Nas últimas décadas atravessamos uma verdadeira revolução tecnológica, devido ao avanço
NOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE Prof.: Idemauro Antonio Rodrigues de Lara 2 Experimentos aleatórios Definição 1. Experimentos aleatórios são experimentos que quando executados
4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA
94 4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA 4.1 INTRODUÇÃO Conforme dito no capítulo 1, a diminuição das perdas técnicas e comerciais é uma das principais prioridades das
Setembro Obs.: O detalhamento por classe de consumo será informado na Resenha de Mercado da EPE do mês de outubro/17.
Setembro 2017 1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em setembro/17 apresenta variação positiva de 2,5%
IND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42
VIBRAÇÕES MECÂNICAS 1 Todos os corpos dotados de massa e elasticidade são capazes de vibração. A maior parte das máquinas e estruturas está sujeita a certo grau de vibração e seu projeto requer o exame
MÉTODO GALERKIN DE ELEMENTOS FINITOS NA DETERMINAÇÃO DO PERFIL DE TEMPERATURA NA PAREDE DE UM CONTÊINER ESFÉRICO UTILIZANDO MATLAB
MÉTODO GALERKIN DE ELEMENTOS FINITOS NA DETERMINAÇÃO DO PERFIL DE TEMPERATURA NA PAREDE DE UM CONTÊINER ESFÉRICO UTILIZANDO MATLAB Bruno Avila Farenzena 1 Eliete Biasotto Hauser 2 Resumo: Neste trabalho
3 Planejamento da Operação de Médio Prazo
3 Planejamento da Operação de Médio Prazo 3.1. Considerações Iniciais Diversos métodos têm sido propostos para a solução do problema de planejamento energético de médio prazo de sistemas hidrotérmicos
Algoritmos de Aprendizado
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Radial Basis Functions (RBFs) Competitive Learning Hopfield Algoritmos de Aprendizado Regra de Hebb Perceptron
7. RESULTADOS DAS PREVISÕES OUT OF SAMPLE
7. RESULTADOS DAS PREVISÕES OUT OF SAMPLE O Capítulo 7 mostra os resultados das previsões out of sample. É importante para verificar a adequação dos modelos escolhidos no Capítulo 6 num contexto preditivo.
Fevereiro Obs.: O detalhamento por classe de consumo será informado na Resenha de Mercado da EPE do mês de março/17.
1. EVOLUÇÃO DA CARGA NO SISTEMA INTERLIGADO NACIONAL E SUBSISTEMAS 1.1. Sistema Interligado Nacional A carga de energia do SIN verificada em fevereiro/17 apresenta crescimento de 2,4% em relação ao valor
ÍNDICE DE CONFIANÇA DOS PEQUENOS NEGÓCIOS NO BRASIL ICPN. Dezembro de 2015
ÍNDICE DE CONFIANÇA DOS PEQUENOS NEGÓCIOS NO BRASIL ICPN Dezembro de 2015 ÍNDICE DE CONFIANÇA DOS PEQUENOS NEGÓCIOS NO BRASIL ICPN Dezembro de 2015 Sumário Executivo Indicadores de confiança são indicadores
9 Conclusões e Sugestões para Trabalhos Futuros
9 Conclusões e Sugestões para Trabalhos Futuros O extenso horizonte do planejamento da operação e a estocasticidade das afluências futuras tornam o problema de planejamento da operação energética do sistema
Códigos de Permutação para Compressão de Dados e Modulação 13. Codificador de fonte. Decodificador. Figura 1.1: Modelo de um sistema de comunicações.
1 Introdução Neste trabalho, estamos interessados nos problemas da teoria de comunicações conhecidos como compressão de dados e modulação. Um modelo típico de um sistema de comunicações é mostrado na Fig.
Produtos de potências racionais. números primos.
MATEMÁTICA UNIVERSITÁRIA n o 4 Dezembro/2006 pp. 23 3 Produtos de potências racionais de números primos Mário B. Matos e Mário C. Matos INTRODUÇÃO Um dos conceitos mais simples é o de número natural e
Disciplina: PCP II. Rodrigues, Roger Antônio. R696p PCP II / Roger Antônio Rodrigues slides : il. colors.
Disciplina: PCP II Rodrigues, Roger Antônio. R696p PCP II / Roger Antônio Rodrigues. 2015. 22 slides : il. colors. Varginha, Sistema requerido: Adobe Acrobat Reader Modo de Acesso: World Wide Web 1. Administração
INTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
TESTES DE HIPÓTESES Notas de aula. Prof.: Idemauro Antonio Rodrigues de Lara
1 TESTES DE HIPÓTESES Notas de aula Prof.: Idemauro Antonio Rodrigues de Lara 2 Conteúdo 1. Fundamentos e conceitos básicos; 2. Função poder; 3. Testes mais poderosos e Lema de Neyman-Pearson; 4. Teste
Segundo Duchon [31], a quantidade mínima de pesos é determinada pela
28 3 A Análise do Sinal 3.1. Introdução Os modelos climatológicos mais modernos utilizam uma gama variada de ferramentas de análise baseadas em técnicas de processamento digital de sinais. Este capítulo
9 Conclusões e Trabalhos Futuros
9 Conclusões e Trabalhos Futuros Este capítulo apresenta as conclusões desta tese e as sugestões de trabalhos futuros. 9.1 Conclusões Esta tese endereçou um requisito de sistemas de workflow aqui chamado
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy
Redes Neurais Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC).
Gráfico 1: Evolução da produção de bens de consumo durável e não durável no Brasil ( )
1 Introdução No recente processo de recuperação da economia brasileira, evidências apontam para uma sensibilidade diferenciada a juros de segmentos distintos do consumo. Após o início do ciclo de relaxamento
Instrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Introdução a Metrologia O que significa dizer: O comprimento desta régua é 30cm. A temperatura
8 Conclusões e Trabalhos Futuros
8 Conclusões e Trabalhos Futuros Este trabalho propôs investigar o apoio das técnicas de Inteligência Computacional no desenvolvimento da Nanociência e Nanotecnologia. Tal apoio é aqui denominado de Nanotecnologia
6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Redes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização
Teoria da Decisão. Introdução. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Introdução Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas Apresentação Sumário
2 FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO
FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO 2 FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO Este capítulo discute como é calculado o despacho econômico em sistemas centralizados e como se calcula o preço
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos
Utilização de Algoritmos Genéticos para Otimização de Altura de Coluna da Matriz de Rigidez em Perfil no Método dos Elementos Finitos André Luiz Ferreira Pinto Pontifícia Universidade Católica do Rio de
4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Resolução da Prova 1 SCC Redes Neurais 2o. Semestre de Prof. João Luís
Resolução da Prova 1 SCC-5809 - Redes Neurais 2o. Semestre de 2011 - Prof. João Luís RESOLUÇÃO (2) 1. A figura abaixo mostra uma rede neural com um único neurônio escondido. Mostre que essa rede resolve
Palestra - Matemática Aplicada
Palestra - Matemática Aplicada Marinho G. Andrade SME/ICMC/USP Maio de 2018 Marinho (SME/ICMC/USP) SME 0803 2018.1 1 / 23 Introdução Primeiras Ideias Visão geral da abordagem estatística dos problemas;
Sistemas de Informação e Decisão. Douglas Farias Cordeiro
Sistemas de Informação e Decisão Douglas Farias Cordeiro Decisão Tomamos decisões a todo momento! O que é uma decisão? Uma decisão consiste na escolha de um modo de agir, entre diversas alternativas possíveis,
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
GESTÃO DA TECNOLOGIA DA INFORMAÇÃO DA PRODUÇÃO GTIP
Aula 05 GESTÃO DA TECNOLOGIA DA INFORMAÇÃO DA PRODUÇÃO GTIP Professora Ma. Vanessa da Silva Mata Gestão da demanda Objetivo do Modelo A primeira etapa consiste em definir a razão pela qual necessitamos
Vários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos
MODELAGEM E ANÁLISE Modelagem Questões atuais de modelagem Vários modelos: um SAD pode incluir vários modelos, cada um representando uma parte diferente do problema de tomada de decisão Categorias de modelos
Carta de Conjuntura do Setor de Seguros
Carta de Conjuntura do Setor de Seguros Número 3, Junho/2014 www.ratingdeseguros.com.br 1 Objetivo: O objetivo desta é ser uma avaliação mensal desse segmento e seus setores relacionados (resseguro, capitalização,
Processamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1)
Processamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1) silviavicter@iprj.uerj.br Tópicos Definição da Transformada de Fourier (TF) Propriedades importantes (ex: linearidade e periodicidade)
Resultados de novembro
Resultados de novembro Em novembro de, as micro e pequenas empresas (MPEs) paulistas apresentaram queda de 15,9% no faturamento real sobre novembro de 2014 (já descontada a inflação). Por setores, no período,
Análise de Cadeias de Suprimentos e do Efeito Chicote usando Sistemas Dinâmicos
Análise de Cadeias de Suprimentos e do Efeito Chicote usando Sistemas Dinâmicos Gustavo H. C. Oliveira (PPGEPS/CCET/PUCPR) gustavoc@rla01.pucpr.br Eduardo O. Pacheco (PPGEPS/CCET/PUCPR) edupache@terra.com.br
2 FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO
FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO 19 2 FORMAÇÃO DE PREÇOS NO MERCADO DE CURTO PRAZO Este capítulo discute o cálculo da produção de energia de cada gerador, hidrelétrico e térmico, ao longo do
5 ESTUDO DE CASOS 5.1 CATEGORIZAÇÃO
102 5 ESTUDO DE CASOS 5.1 CATEGORIZAÇÃO Conforme detalhado na seção 4.3, foram criados três conjuntos de dados: clientes BT com 382 padrões, clientes comerciais MT com 866 padrões e clientes industriais