Dissertação
Assessing the effects of extreme events on electricity price forecasting: A hybrid LSTM-ARIMA approach EVALUATED
Eventos Extremos, Previsão do Preço da Eletricidade, Aprendizagem Automática} A previsão do preço da eletricidade face a eventos extremos, incluindo catástrofes naturais ou mudanças abruptas na procura, é um desafio difícil dada a volatilidade e imprevisibilidade do mercado da energia. Os métodos tradicionais de previsão de preços podem não ser capazes de prever com exatidão os preços em tais condições. Nestas situações, os algoritmos de aprendizagem automática podem ser utilizados para prever os preços da eletricidade com maior precisão. Ao treinar um modelo de aprendizagem automática com base em dados históricos, principalmente dados relativos a eventos extremos, é possível fazer previsões mais precisas sobre os preços futuros, garantindo assim a estabilidade e a fiabilidade do mercado da eletricidade, ajudando os produtores e clientes de eletricidade a tomar decisões informadas sobre a sua utilização e produção de energia. A previsão exacta dos preços pode também diminuir a probabilidade de perdas financeiras para produtores e consumidores durante eventos extremos. Assim, neste projeto, estudamos os efeitos de eventos extremos no domínio da previsão de preços de eletricidade, através de um modelo combinado das arquitecturas LSTM e ARIMA. Os resultados desta investigação incluem previsões exactas e não exactas do preço da eletricidade, sendo ambas apoiadas por uma análise estatística exaustiva dos dados e das técnicas de previsão efetuadas, bem como formas de hibridização.
novembro 15, 2023, 10:30
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Sérgio Luís Proença Duarte Guerreiro
Departamento de Engenharia Informática (DEI)
Assistant Professor