REVISÃO SISTEMÁTICA DE LITERATURA (RSL) ACERCA DE MODELOS MATEMÁTICOS DE PREVISÃO DE DEMANDA DE ENERGIA ELÉTRICA
DOI:
https://doi.org/10.47820/recima21.v3i10.2031Palavras-chave:
Modelo matemático, Previsão da demanda de eletricidade, Previsão da demanda de energiaResumo
A eletricidade é fundamental e exclui socialmente aqueles que não a possuem. Ela promove o desenvolvimento de uma nação e, portanto, é imprescindível uma previsão de demanda para dar suporte a tomadas de decisões no planejamento e implantação da infraestrutura elétrica de uma região. Esta pesquisa apresenta propostas matemáticas e ferramentas computacionais para estimativas de aumento do consumo de energia. O objetivo é construir uma revisão sistemática de literatura de obras científicas sobre modelos matemáticos que simulam previsões de demanda de energia. Utilizou-se o roteiro de busca para uma revisão sistemática com plano de ação constituído por três etapas: entrada, processamento e saída. Um protocolo com strings e critérios de inclusão e exclusão foi empregado como filtro de publicações nas bases de dados. As publicações filtradas foram processadas, segundo critérios estabelecidos pelo tema e objetivo, em dois estágios: seleção e extração, utilizando o software StArt. O resultado, usando as expressões de buscas booleanas e sem filtros, foram 982 obras, sendo 785 obras na Scopus e 197 na Web of Science. Aplicando o protocolo nessas bases, filtrou-se 285 publicações. Seguindo os critérios de qualificação, filtrou-se 71 publicações na fase de seleção. Na fase de extração, respeitando as mesmas qualificações da fase anterior, selecionou-se 20 publicações das 71. Por fim, elaborou-se um quadro com as contribuições de cada uma dessas 20 obras com o tema da pesquisa. Os utilizadores desses resultados são acadêmicos e pesquisadores de políticas públicas do setor elétrico, assim como corporações de geração, transmissão e distribuição de eletricidade.
Downloads
Referências
ABDULKAREEM, A.; OKOROAFOR, E.J.; AWELEWA, A.; ADEKITAN, A. Pseudo-inverse matrix model for estimating long-term annual peak electricity demand: The covenant university's experience. International Journal of Energy Economics and Policy, 4. ed., Nigéria, v. 9, p. 103-109, maio 2019. DOI: 10.32479/ijeep.7566. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85067405770&doi=10.32479%2fijeep.7566&partnerID=40&md5=cf35b54993edabfab6f3fad136fc64d1. Acesso em: 08 out. 2021.
AZEVEDO, D. Revisão de Literatura, Referencial Teórico, Fundamentação Teórica e
Framework Conceitual em Pesquisa – diferenças e propósitos. Working paper, Brasil, p. 1-10, 2016. Disponível em: https://unisinos.academia.edu/DeboraAzevedo/Papers. Acesso em: 21 nov. 2021.
BISOGNIN, C.; WERNER, L. Análise do consumo mensal de energia elétrica no Estado de São Paulo. REP – Revista de Engenharia de Produção, Brasil, v. 2, p. 59-72, jan./abr. 2020. Disponível em: https://periodicos.ufms.br/index.php/REP/article/view/9397. Acesso em: 08 out. 2021.
CONFORTO, E.C.; AMARAL, D.C.; SILVA, S.L. da. Roteiro para revisão bibliográfica sistemática : aplicação no desenvolvimento de produtos e gerenciamento de projetos. 8° Congresso Brasileiro de Gestão de Desenvolviemnto de Produto - CNGDP 2011, Porto Alegre, Rio Grande do Sul, Brasil, v. 8, p. 1–12, set. 2011. Disponível em: https://www.researchgate.net/publication/267380020_Roteiro_para_Revisao_Bibliografica_Sistematica_Aplicacao_no_Desenvolvimento_de_Produtos_e_Gerenciamento_de_Projetos. Acesso em: 29 out. 2021.
FAN, C.; XIAO, F.; WANG, S. Development of prediction models for next-day building energy consumption and peak power demand using data mining techniques. Applied Energy, Hong Kong, v. 127, p. 1-10, 2014. DOI: 10.1016/j.apenergy.2014.04.016. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84899701114&doi=10.1016%2fj.apenergy.2014.04.016&partnerID=40&md5=9384074adcfefd1d6622e290ed54d625. Acesso em: 08 out. 2021.
HAGHNEVIS, M.; ASKIN, R.G. A modeling framework for engineered complex adaptive systems. IEEE Systems Journal, 3. ed., Estados Unidos, v. 6, p. 520-530, set. 2012. DOI: 10.1109/JSYST.2012.2190696. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84865500722&doi=10.1109%2fJSYST.2012.2190696&partnerID=40&md5=b72b906dc1642b7007a72eb78314ae1b. Acesso em: 08 out. 2021.
LEVY, Y.; ELLIS, T.J. A systems approach to conduct an effective literature review in support of information systems research. Informing Science Journal, Nova Southeastern University, Flórida, Estados Unidos, v. 9, p. 181–212, 2006. Disponível em: https://www.cs.ryerson.ca/aferworn/courses/CP8101/CLASSES/ConductingLiteratureReview.pdf. Acesso em: 29 out. 2021.
LIU, Y.; ZHAO, J.; LIU, J.; CHEN, Y.; OUYANG, H. Regional midterm electricity demand forecasting based on economic, weather, holiday, and events factors. IEEJ Transactions on Electrical and Electronic Engineering, 2. ed., China, v. 15, p. 225-234, 2020. DOI: 10.1002/tee.23049. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85074857345&doi=10.1002%2ftee.23049&partnerID=40&md5=ec69f55fc7eb1f0daf4bba4d901da295. Acesso em: 08 out. 2021.
MARANGONI, F.; MAGATÃO, L.; DE ARRUDA, L.V.R. Demand response optimization model to energy and power expenses analysis and contract revision. Energies, 11. ed., Brasil, v. 13, p. 1-23, jun. 2020. DOI: 10.3390/en13112803. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85086370091&doi=10.3390%2fen13112803&partnerID=40&md5=45f9bc9a41402f2b673c99d8123bf344. Acesso em: 08 out. 2021.
NAÇÕES UNIDAS BRASIL. Objetivos de desenvolvimento sustentável (ODS). Disponível em: https://brasil.un.org/pt-br/sdgs. Acesso em: 20 nov. 2021
NASCIMENTO, L. Orçamento do Luz para Todos em 2019 será de R$ 1,07 bilhão. Agência Brasil, Brasília, set. 2018. Disponível em: https://agenciabrasil.ebc.com.br/economia/noticia/2018-09/orcamento-do-luz-para-todos-em-2019-sera-de-r-107-bilhao. Acesso em: 18 nov. 2021.
TAGHIZADEH-YAZDI, M.; MOHAMMADI-BALANI, A. A mathematical model for multi-region, multi-source, multi-period generation expansion planning in renewable energy for country-wide generation-transmission planning. Journal of Information Technology Management, 4. ed., Irã, v. 12, p. 215-231, 2020. DOI: 10.22059/jitm.2020.298258.2476. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85099813647&doi=10.22059%2fjitm.2020.298258.2476&partnerID=40&md5=6491aae48693ec897d81f15b2ab1c4e0. Acesso em: 08 out. 2021.
VU, D.H.; MUTTAQI, K.M.; AGALGAONKAR, A.P. A variance inflation factor and backward elimination based robust regression model for forecasting monthly electricity demand using climatic variables. Applied Energy, Austrália, v. 140, p. 385-394, 2015. DOI: 10.1016/j.apenergy.2014.12.011. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84919935314&doi=10.1016%2fj.apenergy.2014.12.011&partnerID=40&md5=b2876aee6c31888837a79074bc7356a1. Acesso em: 08 out. 2021.
WANG, J.; CHI, D.; WU, J.; LU, H.-Y. Chaotic time series method combined with particle swarm optimization and trend adjustment for electricity demand forecasting. Expert Systems with Applications, 7. ed., Austrália e China, v. 38, p. 8419-8429, 2011. DOI: 10.1016/j.eswa.2011.01.037. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-79952448415&doi=10.1016%2fj.eswa.2011.01.037&partnerID=40&md5=daf8148c58db202894913a030ed155f8. Acesso em: 08 out. 2021.
Downloads
Publicado
Edição
Seção
Categorias
Licença
Copyright (c) 2022 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.