Previsão de geração de energia hidráulica no Brasil: um estudo de caso usando redes neurais artificiais e regressão linear

Abstract

O Brasil possui uma das matrizes energéticas mais diversificadas do mundo, caracterizada por um sistema hidrotérmico e pela predominância de fontes renováveis de energia. A energia hidráulica (ou hídrica) é uma das opções mais utilizadas no mundo para geração de energia elétrica. Neste contexto, este trabalho tem como objetivo comparar o desempenho de modelos, de séries temporais, na previsão da geração hidráulica no Brasil. Para realizar esta comparação foi utilizada uma base de dados, de geração hidráulica, fornecida pelo Instituto de Pesquisa Econômica Aplicada (IPEA). A base de dados apresenta uma série histórica, de geração de energia, no período de janeiro/1996 a agosto/2022. Modelos de previsão, baseados em algoritmos de Regressão Linear Múltipla e Redes Neurais Artificiais, foram implementados no software WEKA. Resultados obtidos, dos dois modelos, foram comparados por meio das métricas RMSE (Root Mean Squared Error), MAPE (Mean Absolute Percent Error) e MAE (Mean Absolute Error). Verificou-se, para um horizonte de curto prazo (seis meses), que a rede neural apresentou o melhor desempenho.