Análise da influência das variáveis meteorológicas na demanda de eletricidade
Autor: Liara Kurtz da Veiga (Currículo Lattes)
Resumo
A energia elétrica foi fundamental para o surgimento de novas tecnologias, as quais tiveram um forte desenvolvimento nos últimos anos, aumentando extremamente a demanda por eletricidade. As modificações no clima apresentam projeções de aumento de eventos extremos, e mudanças relevantes nas variáveis meteorológicas podem ocorrer. Portanto, o objetivo do trabalho foi analisar a influência das variáveis meteorológicas na máxima demanda instantânea de energia elétrica de uma localidade no Rio Grande do Sul, Brasil. A partir dos dados de demanda de carga elétrica, foram constituídas sete séries temporais de demanda mensal, de janeiro de 2009 até agosto de 2021, as quais foram analisadas quanto a: medidas resumo, tendência e sazonalidade; esta última foi detectada com base na análise da variância dos dados. Assim, foram aplicados modelos SARIMA na imputação e modelagem dos dados de demanda, bem como, na imputação das séries meteorológicas. A demanda foi relacionada às variáveis meteorológicas por modelos SARIMAX com o método stepwise backward para seleção de variáveis. A capacidade preditiva dos modelos foi analisada pelos indicadores: RMSE, MAPE e MAE, cujos melhores índices tiveram a análise complementada em relação aos intervalos de confiança. Os resultados mostraram séries estacionárias de demanda mais correlacionadas com variáveis do tipo temperatura. Os modelos para os dias úteis revelaram que, durante o período da madrugada e as primeiras horas da manhã, exceto às segundas-feiras, houve influência da temperatura mínima na demanda de eletricidade. Ao longo do horário comercial, incluindo segundas-feiras, a demanda foi levemente influenciada pela temperatura mínima e também pela temperatura mínima associada à umidade. Aos finais de semana, quase todas as variáveis e conjunto de variáveis meteorológicas utilizados apresentaram influência na demanda de energia elétrica. Os índices de parcimonialidade e capacidade preditiva dos SARIMA mostraram que os modelos com ajuste razoável aos dados possuem maior potencial de atingir melhor desempenho na predição, em relação a modelos de ajuste ótimo, em vista das possíveis ocorrências de alterações no padrão da variabilidade das séries. Há exceções, e, neste trabalho, foi o patamar da carga média dos sábados, série com ajuste ótimo e melhor capacidade preditiva, além de ser a única a melhorar sua parcimonialidade com a entrada das variáveis exógenas. Este estudo envolveu os conceitos de estatística, engenharia e meio ambiente, a fim de melhorar os subsídios para o planejamento energético, no intuito de proporcionar o aprimoramento das condições de fornecimento de energia elétrica à população consumidora.