1. Este trabalho apresenta uma metodologia estatística para calcular intervalos de
confiança. A previsão de carga a curto prazo tem um importante papel nos
investimentos, distribuição e planejamento estratégico do setor elétrico, além
disso, previsões imprecisas podem aumentar os custos operacionais. O
problema de previsão de carga a curto prazo é complexo por dois motivos: a
relação entre a carga e fatores exógenos (por exemplo: instantes do dia e
condições meteorológicas) (não-lineares) e; a ocorrência de quebras
estruturais na série de carga como feriados e dias atípicos. Estas
características tornam o processo de previsão complexo e exigem previsões
mais acuradas.
Como ilustração da importância da precisão das previsões (Bunn, D.W. and
Farmer,E. D., 1985) declararam que um aumento de 1% no erro de previsão
implica no acréscimo de 10 milhões de libras no custo de operação por ano
para uma empresa de eletricidade do Reino Unido.
O cálculo de intervalo de confiança para os valores previstos, como um
quantificador da confiabilidade da previsão, é um instrumento auxiliar à tomada
de decisão dos operadores do sistema elétrico permitindo uma diminuição nos
riscos de despacho e operação. Nesse contexto o objetivo é a partir dos dados
observados, identificar a distribuição densidade de probabilidade e utilizando
técnicas de estimação como inferência de quantis, bootstrap ou simulação de
Monte Carlo construir os de intervalos de confiança.
Particularmente em regiões de clima tropical, onde os dados de clima como,
por exemplo: temperatura, umidade, velocidade dos ventos, etc., não estão
disponíveis ou são insuficientes e pouco confiáveis, os intervalos de confiança
podem agregar precisão as previsões. Além disso, um conjunto de dados
consagrado e utilizado extensivamente na literatura internacional, da Puget
Sound Power Light Company, é testado para avaliar a eficácia do método
desenvolvido.
Bibliografia
A.P. Alves Da Silva, L.S. Moulin . (2000). Confidence Intervals for Neural
Network Basead Short-Term Load Forecasting . IEE transactions on power
systems , pp. 1191-1196.
Bunn, D.W. and Farmer,E. D. (1985). Economic and operational context ot
electric load prediction. Comparative Models for Electrical Load Forecasting ,
pp. 3-11.
Pertiau, B. (2009). Confidence interval estimation for short-term load
forecasting. Anals of IEEE Bucharest Power Tech Conference , (pp. 1-6).
Bucharest.

2. Soares, L. (2003). Ensaios em Previsão de Carga a curto prazo. Tese de
doutorado . Rio de Janeiro, Rio de Janeiro, Brasil.