Preprocessing data for short-term load forecasting with a general regression neural network and a moving average filter

This paper proposes a filter based on a general regression neural network and a moving average filter, for preprocessing half-hourly load data for short-term multinodal load forecasting, discussed in another paper. Tests made with half-hourly load data from nine New Zealand electrical substations demonstrate that this filter is able to handle noise, missing data and abnormal data. © 2011 IEEE.

Short-term multinodal load forecasting in distribution systems using general regression neural networks

Multinodal load forecasting deals with the loads of several interest nodes in an electrical network system, which is also known as bus load forecasting. To perform this demand, it is necessary a technique that is precise, trustable and has a short-time processing. This paper proposes two methodologies based on general regression neural networks for short-term multinodal load forecasting. The first individually forecast the local loads and the second forecast the global load and individually forecast the load participation factors to estimate the local loads. To design the forecasters it wasn't necessary the previous study of the local loads. Tests were made using a New Zealand distribution subsystem and the results obtained are compatible with the ones founded in the specialized literature. © 2011 IEEE.

Corporate risk management and exchange rate volatility in Latin America

Includes bibliography

Considering Urban Dynamics in spatial electric load forecasting

When dealing with spatio-temporal simulations of load growth inside a service zone, one of the most important problems faced by a Distribution Utility is how to represent the different relationships among different areas. A new load in a certain part of the city could modify the load growth in other parts of the city, even outside of its radius of influence. These interactions are called Urban Dynamics. This work aims to discuss how to implement Urban Dynamics considerations into the spatial electric load forecasting simulations using multi-agent simulations. To explain the approach, three examples are introduced, including the effect of an attraction load, the effect of a repulsive load, and the effect of several attraction/repulsive loads at the same time when considering the natural load growth. © 2012 IEEE.

Investment and financial volatility in Latin America

Includes bibliography

Methodology for forecasting electric power demand

Includes bibliography

Forecasting tourist arrivals in the Caribbean

Includes bibliography

Short-term energy forecasting using time series techniques: Chile, a case study

Includes bibliography

International price volatility and economic policy challenges in Latin America and the Caribbean

Includes bibliography

Economic growth and real volatility: The case of Latin America and the Caribbean

Using a new database of quarterly data for 21 countries of Latin America and the Caribbean for the 1990-2012 period, this document shows that the duration of GDP contractions appears to be a rather robust indicator of real volatility, and is negatively correlated with long run growth in Latin America and the Caribbean during the period. These results are consistent with different theoretical hypotheses in the literature that relate the duration of GDP contractions with economic growth. They also show that the relationship between real volatility and economic growth in the region is robust to the inclusion of external variables that control for external uncertainty and volatility.

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.