| Resumo: | Com o desenvolvimento do mercado liberalizado de eletricidade, os intervenientes neste mercado sentem cada vez mais a necessidade de definir estratégias de compra e venda de eletricidade. Tendo em conta as várias opções de compra e venda, as previsões de preços de eletricidade tornaram se uma importante ferramenta para todos os intervenientes deste mercado, desde os produtores aos consumidores, para determinar os contratos de compra/venda com os melhores preços. Esta dissertação visa contribuir para a melhoria do processo de tomada de decisão de compra de eletricidade. O objetivo é desenvolver um modelo de previsão de preços spot de eletricidade com base nos preços de eletricidade definidos nos mercados a prazo (preços futuros). Composto por redes neuronais artificiais treinadas com o algoritmo Extreme Learning Machine, o modelo utiliza o histórico de preços spot e preços futuros mensais e trimestrais para determinar a média mensal do preço spot dos próximos 6 meses. O modelo desenvolvido foi aplicado em dois cenários, pré-pandemia e pandemia, e avaliado com base na raiz quadrática do erro quadrático médio. Em ambos os cenários, os resultados obtidos mostram que a raiz quadrática do erro quadrático médio é frequentemente inferior ao módulo da diferença entre preços futuros e preços spot para o mesmo período de entrega, mostrando que a sua aplicação pode contribuir para a melhoria do processo de tomada de decisão de compra nos mercados de futuros mensais do Mercado Ibérico de Eletricidade e, consequentemente, para a redução da fatura energética.
|
|---|