Weather forecasting for Eastern Amazon with OLAM model

O modelo OLAM tem como característica a vantagem de representar simultaneamente os fenômenos meteorológicos de escala global e regional através de um esquema de refinamento de grades. Durante o projeto REMAM, o modelo foi aplicado para alguns estudos de caso com objetivo de avaliar o desempenho do modelo na previsão numérica de tempo para a região leste da Amazônia. Estudos de caso foram feitos para os doze meses do ano de 2009. Os resultados do modelo para estes casos foram comparados com dados observados na região de estudo. A análise dos dados de precipitação mostrou que o modelo consegue representar a distribuição média da precipitação acumulada e os aspectos da sazonalidade da ocorrência dos eventos, mas não consegue prever individualmente a acumulação de precipitação local. No entanto, avaliação individual de alguns casos mostrou que o modelo OLAM conseguiu representar dinamicamente e prever, com alguns dias de antecedência, o desenvolvimento de fenômenos meteorológicos costeiros como as linhas de instabilidade, que são um dos mais importantes sistemas precipitantes da Amazônia.

Previsão multi-passos a frente do preço de energia elétrica de curto prazo no mercado brasileiro

A predição do preço da energia elétrica é uma questão importante para todos os participantes do mercado, para que decidam as estratégias mais adequadas e estabeleçam os contratos bilaterais que maximizem seus lucros e minimizem os seus riscos. O preço da energia tipicamente exibe sazonalidade, alta volatilidade e picos. Além disso, o preço da energia é influenciado por muitos fatores, tais como: demanda de energia, clima e preço de combustíveis. Este trabalho propõe uma nova abordagem híbrida para a predição de preços de energia no mercado de curto prazo. Tal abordagem combina os filtros autorregressivos integrados de médias móveis (ARIMA) e modelos de Redes Neurais (RNA) numa estrutura em cascata e utiliza variáveis explanatórias. Um processo em dois passos é aplicado. Na primeira etapa, as variáveis explanatórias são preditas. Na segunda etapa, os preços de energia são preditos usando os valores futuros das variáveis exploratórias. O modelo proposto considera uma predição de 12 passos (semanas) a frente e é aplicada ao mercado brasileiro, que possui características únicas de comportamento e adota o despacho centralizado baseado em custo. Os resultados mostram uma boa capacidade de predição de picos de preço e uma exatidão satisfatória de acordo com as medidas de erro e testes de perda de cauda quando comparado com técnicas tradicionais. Em caráter complementar, é proposto um modelo classificador composto de árvores de decisão e RNA, com objetivo de explicitar as regras de formação de preços e, em conjunto com o modelo preditor, atuar como uma ferramenta atrativa para mitigar os riscos da comercialização de energia.