Identificação do modelo ARMAX para previsão de carga de curto prazo: uma abordagem de programação evolutiva

Este artigo propõe uma nova abordagem de programação evolutiva (EP) para identificar o modelo de média móvel autoregressiva com variável exógena (ARMAX) para previsões de demanda de carga horária de um dia a uma semana. Tipicamente, a superfície da função de erro de previsão possui múltiplos pontos locais mínimos. As soluções da técnica de identificação baseada na busca de gradiente tradicional podem, portanto, estagnar em pontos ótimos locais, levando a um modelo inadequado. Ao simular o processo evolutivo natural, o algoritmo EP oferece a capacidade de convergir em direção ao extremo global de uma superfície de erro complexa. O algoritmo de previsão de carga baseado em EP desenvolvido é verificado utilizando diferentes tipos de dados para o sistema de energia de Taiwan (Taipower) e carga de subestações, bem como valores de temperatura. Resultados numéricos indicam que a abordagem EP proposta fornece um método para estimar simultaneamente a ordem apropriada e os valores de parâmetro do modelo ARMAX para diversos tipos de dados de carga. Comparações dos erros de previsão são feitas com as técnicas tradicionais de identificação.