REVISIÓN SISTEMÁTICA DE LITERATURA (RSL) SOBRE MODELOS MATEMÁTICOS PARA PRONÓSTICO DE LA DEMANDA DE ENERGÍA ELÉCTRICA
DOI:
https://doi.org/10.47820/recima21.v3i10.2031Palabras clave:
Modelo matemático, Pronóstico de demanda de electricidad, Previsión de demanda de energíaResumen
La electricidad es fundamental y excluye socialmente a quienes no la tienen. Promueve el desarrollo de una nación y, por ello, la previsión de demanda es esencial para apoyar decisiones de planificación e implementación de la infraestructura eléctrica de una región. Esta investigación presenta propuestas matemáticas y herramientas computacionales para estimar el aumento en el consumo energético. El objetivo es hacer una revisión sistemática de literatura de obras científicas sobre modelos matemáticos que simulan pronósticos de demanda de energía. La búsqueda se realizó en tres etapas: entrada, procesamiento y salida. Se utilizó un protocolo con strings y criterios de inclusión y exclusión para filtrar las publicaciones en las bases de datos. Se procesaron las publicaciones filtradas, según criterios establecidos por el tema y objetivo, en dos etapas: selección y extracción, utilizando el software StArt. Utilizando expresiones de búsqueda booleanas y sin filtro, se obtuvieron 982 trabajos, con 785 en Scopus y 197 en Web of Science. Aplicando el protocolo a las bases, se filtraron 285 publicaciones. Siguiendo los criterios de calificación, se filtraron 71 publicaciones en la etapa de selección. En la etapa de extracción, se seleccionaron 20 publicaciones de las 71. Finalmente, se elaboró un cuadro con las contribuciones de cada uno de los 20 trabajos con el tema de investigación. Los resultados pueden ser útiles a los académicos e investigadores de políticas públicas del sector eléctrico, así como compañías de generación, transmisión y distribución de energía eléctrica.
Descargas
Referencias
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.
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2022 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
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.
