Previsão de produção de energia elétrica através de fontes de energia renováveis

A capacidade de prever precisamente a produção de energia renovável é extremamente relevante tanto do ponto de vista económico como para controlo da estabilidade da rede elétrica. Para tal, é necessário realizar uma previsão das condições meteorológicas adjacentes à produção de energia a partir de fontes de energia renovável. Vários modelos de previsão têm sido utilizados para este fim, desde modelos atmosféricos a modelos estatísticos, onde se destacam métodos como Redes Neuronais Artificiais ou a Metodologia de Box & Jenkins. Lidar com dados meteo-rológicos pode revelar algumas complicações devido à possível instabilidade das medições, com-plicando o desenvolvimento de um modelo de previsão adequado. Neste trabalho pretende-se realizar a previsão de produção a partir de uma instalação fotovoltaica e um gerador eólico através do uso da Metodologia de Box & Jenkins para desenvolver um modelo capaz de realizar a previsão das condições meteorológicas para diferentes horizontes temporais medidos no topo do edifício do Departamento de Engenharia Eletrotécnica (DEE) da Faculdade de Ciências e Tecnologia (FCT), Universidade Nova de Lisboa (UNL), e usando esses valores para calcular a produção de energia. Os resultados obtidos revelaram um bom desempenho quando comparados os resultados previstos com os resultados reais para o mesmo período de tempo, garantindo que podem ser utilizados para calcular a previsão de potência produzida através das instalações presentes no local e encorajando novos estudos no tema.

Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática

A estrutura temporal das taxas de juro, também conhecida por yield curve ou curva de rendimentos define a relação entre as taxas de juros e o prazo de vencimento (ou maturidades) dos investimentos feitos. Assim, o desenvolvimento de modelos que possibilitem a obtenção de previsões precisas sobre a estrutura temporal das taxas de juro e que permitam estudar a dinâmica da evolução das taxas de juro é de crucial importância em diversas áreas de financiamento. Neste estudo investigou-se a performance de diferentes métodos de previsão para obter a estrutura temporal das taxas de juro da Zona Euro, considerando o período entre 2009 e 2015. Em termos mais específicos, foi analisada a capacidade preditiva do modelo de Nelson-Siegel & Svensson assumindo que os parâmetros resultantes da estimação da especificação paramétrica podem ser modelizados através de métodos de séries temporais univariados (modelos ARIMA, Random walk) e multivariados (modelos VAR) e Redes Neuronais Artificiais (RNA) individuais e conjuntas. Os resultados deste estudo mostram que (i) as RNA com a previsão dos parâmetros em simultâneo exibem os valores de erro mais baixos para as maturidades de curto e médio prazo (3 meses a 5 anos); (ii) As RNAs individuais são melhores para prever as taxas de juro nas maturidades compreendidas entre os 7 e os 10 anos, e que (iii) para as maturidades de longo e muito longo prazo (15 e 30 anos respetivamente) deverá ser escolhido o modelo VAR(1). Estes resultados são robustos e consistentes para todos os horizontes de previsão analisados (1,2 e 3 meses). Contudo, no período analisado nenhum dos modelos testados apresenta valores de erro inferiores aos obtidos com o modelo Random Walk.