MÉTODOS CLÁSSICOS APLICADOS NA PREVISÃO DE SÉRIES TEMPORAIS DE ENERGIA EÓLICA

INTRODUÇÃO: As séries temporais resultantes de dados de usinas eólicas referem-se à geração (coleta e análise) de dados de potência ao longo do tempo transformados em energia elétrica. Esses dados são registrados em intervalos regulares, geralmente em períodos curtos, como minutos, horas ou dias, e podem abranger várias variáveis, como velocidade do vento, potência gerada, temperatura, direção do vento, entre outros parâmetros relacionados aos aerogeradores das usinas. OBJETIVOS: Esse trabalho visa verificar a eficácia dos métodos estatísticos clássicos para prever dados de potência de uma usina eólica em Limoeiro do Norte, no estado do Ceará, no Brasil para um e múltiplos passos à frente. MATERIAIS E MÉTODO: Foi executado uma análise teórica com o intuito de obter um aprofundamento na compreensão de cada um dos modelos utilizados, também foi realizado um estudo de caso para analisar melhor os dados obtidos da usina. Foi usada a linguagem de programação Python, mais precisamente as bibliotecas Pandas, auto_arima e numpy para a construção dos modelos de Box-Jenkins e Holt-Winters. RESULTADOS: A eficiência de cada modelo foi analisada por meio das métricas estatísticas MAPE, MAE e R^2Onde pode-se perceber que os modelos com variáveis exógenas tiveram uma eficiência maior tanto na previsão 1 passo à frente quanto múltiplos passos a frente. CONSIDERAÇÕES FINAIS: Pode-se analisar que a previsão, mesmo que eventualmente mais distante, de múltiplos da sazonalidade pode ser mais eficaz que aquelas feitas a uma quantidade que não tenha multiplicidade em relação ao ciclo sazonal da série analisada. Assim, deve-se destacar que para a construção de um modelo para previsão de séries temporais, no que diz respeito a dados de usinas eólicas a escolha mais pragmática, no que diz respeito aos modelos clássicos, são os modelos que utilizam variáveis exógenas, pois permitem uma previsão mais eficiente, tanto a curto quanto a longo prazo.

PALAVRAS-CHAVE: Séries temporais; Box-Jenkins; Holt-Winters; Linguagem Python; Variáveis exógenas.