O uso dos métodos ARIMA e VAR-VEC no estudo da demanda de energia elétrica no Rio Grande do Sul
Autor: Gérson dos Santos Nunes (Currículo Lattes)
Resumo
A demanda de energia elétrica mostra-se como um fator importante para o crescimento da economia de uma região. Visando ajudar no planejamento do setor energético do Rio Grande do Sul, este trabalho abordou a demanda nas três principais classes consumidoras de energia elétrica deste estado: residencial, comercial e industrial, utilizando as metodologias Box-Jenkins, Vetores Auto-regressivos e Vetores Autoregressivos em conjunto com Correção de Erros Vetoriais, comparando os resultados obtidos para a previsão pelos diferentes modelos, assim como com os resultados da aplicação conjunta de Vetores Autoregressivos e Correção de Erros Vetoriais obtidos em recente estudo desenvolvido a nível nacional. Após a realização da transformação logarítmica, são utilizados correlogramas, correlogramas parciais, testes de raiz unitária ADF e KPSS, critérios de informação de Akaike, Schwarz e Hannan-Quinn, avaliação da significância dos coeficientes e análise dos resíduos. Foram utilizados os testes LjungBox, Jarque-Bera e ARCH para avaliar, respectivamente, autocorrelação, normalidade e homocedasticidades dos resíduos, além da determinação do erro absoluto médio, o erro absoluto percentual médio, a raiz do erro quadrático médio e a estatística U de Theil para avaliar a qualidade do modelo encontrado. Também foram construídos intervalos de confiança para a previsões. Os resultados obtidos para o setor residencial indicam o modelo de Vetores Auto-regressivos, que também considerou o PIB/RS, o preço da tarifa e o preço dos eletrodomésticos, como o de melhores previsões. Já no setor comercial, o modelo univariado de Box-Jenkins foi o que apresentou o melhor resultado para a previsão, o mesmo acontecendo no setor industrial. Na comparação entre os modelos estaduais e nacionais, encontrados pela combinação dos métodos de Vetores Autoregressivos e Correção de Erros Vetoriais, os modelos estaduais forneceram melhores previsões. Além disso, a relação entre as variáveis independentes consideradas nas duas regiões com a demanda sempre apresentaram o mesmo sentido.