Aplicação de aprendizado de máquina para projeção do preço horário de liquidação das diferenças como suporte às estratégias de comercialização de energia elétrica
Cosme Rodolfo Roque dos Santos
DISSERTAÇÃO
Português
T/UNICAMP Sa59a
[Machine learning application for projection of the hourly price for settlement of differences as support for electrical energy sale strategies]
Campinas, SP : [s.n.], 2024.
1 recurso online (118 p.) : il., digital, arquivo PDF.
Orientadores: Luiz Carlos Pereira da Silva, Roberto Castro
Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia Elétrica e de Computação
Resumo: Estimar preços de ativos financeiros ou produtos comerciais ao longo do tempo, como a energia elétrica, é uma tarefa complexa, especialmente no mercado brasileiro devido às suas particularidades. Novos métodos de previsão de séries temporais, como o XGBoost, estão sendo explorados em...
Ver mais
Resumo: Estimar preços de ativos financeiros ou produtos comerciais ao longo do tempo, como a energia elétrica, é uma tarefa complexa, especialmente no mercado brasileiro devido às suas particularidades. Novos métodos de previsão de séries temporais, como o XGBoost, estão sendo explorados em comparação aos modelos clássicos e de Deep Learning. O XGBoost, baseado em Árvores de Decisão, oferece uma abordagem mais simples de se implementar e avaliar em comparação a tais métodos. Dessa forma, o presente estudo avalia este novo modelo utilizando dados públicos do setor elétrico, obtidos a partir dos modelos de precificação oficial NEWAVE, DECOMP e DESSEM, e demonstra um desempenho promissor na previsão de preços por meio de back-tests com dados reais
Ver menos
Abstract: Estimating the prices of financial assets or commercial products over time, such as electricity, is a complex task, especially in the Brazilian market due to its particularities. New time series forecasting methods, such as XGBoost, are being explored in comparison to classical and deep...
Ver mais
Abstract: Estimating the prices of financial assets or commercial products over time, such as electricity, is a complex task, especially in the Brazilian market due to its particularities. New time series forecasting methods, such as XGBoost, are being explored in comparison to classical and deep learning models. XGBoost, based on Decision Trees, offers a simpler approach to implement and evaluate compared to such methods. This study evaluates this new model using public data from the electricity sector, obtained from the official pricing models NEWAVE, DECOMP and DESSEM, and shows promising performance in price forecasting through back-tests with real data
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Aberto
Silva, Luiz Carlos Pereira da, 1972-
Orientador
Castro, Roberto, 1960-
Coorientador
Francato, Alberto Luiz, 1969-
Avaliador
Castro, Marcelo Stehling de
Avaliador
Aplicação de aprendizado de máquina para projeção do preço horário de liquidação das diferenças como suporte às estratégias de comercialização de energia elétrica
Cosme Rodolfo Roque dos Santos
Aplicação de aprendizado de máquina para projeção do preço horário de liquidação das diferenças como suporte às estratégias de comercialização de energia elétrica
Cosme Rodolfo Roque dos Santos