Electricity consumption forecasting using singular spectrum analysis

• Moisés Lima de Menezes ^[2] ; Reinaldo Castro Souza ^[1] ; José Francisco Moreira Pessanha ^[3]
  1. [1] Pontifícia Universidade Católica do Rio de Janeiro

     Pontifícia Universidade Católica do Rio de Janeiro

     Brasil

     
  2. [2] Universidade Federal Fluminense

     Universidade Federal Fluminense

     Brasil

     
  3. [3] Institute of Mathematics and Statistics, State University of Rio de Janeiro, Rio de Janeiro, Brazil

  Mostrar afiliaciones +
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 82, Nº. 190, 2015, págs. 138-146
• Idioma: inglés
• Títulos paralelos:
  • Previsión del consumo de electricidad mediante análisis espectral singular
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Resumen El Análisis Espectral Singular (AES) es una técnica no paramétrica que permite la descomposición de una serie de tiempo en una componente de señal y otra de ruido. De este modo, AES es una técnica útil para la extracción de la tendencia, la suavización y el filtro una serie de tiempo. En este artículo se investiga el efecto sobre el desempeño los modelos de Holt-Winters y de Box & Jenkins al ser aplicados a una serie de tiempo filtrada por AES. Tres diferentes metodologías son evaluadas con el enfoque de AES: Análisis de Componentes Principales (ACP), análisis de conglomerados y análisis gráfico de vectores singulares. Con el fin de ilustrar y comparar dichas metodologías, en este trabajo también se presentaron los principales resultados de un experimento computacional para el consumo residencial mensual de electricidad en Brasil.

  • English

    Singular Spectrum Analysis (SSA) is a non-parametric technique that allows the decomposition of a time series into signal and noise. Thus, it is a useful technique to trend extraction, smooth and filter a time series. The effect on performance of both Box and Jenkins' and Holt-Winters models when applied to the time series filtered by SSA is investigated in this paper. Three different methodologies are evaluated in the SSA approach: Principal Component Analysis (PCA), Cluster Analysis and Graphical Analysis of Singular Vectors. In order to illustrate and compare the methodologies, in this paper, we also present the main results of a computational experiment with the monthly residential consumption of electricity in Brazil.