Forecast de consumo de energia elétrica

Fala pessoal, hoje falaremos um pouco de forecast, vamos fazer um exemplo simples porém muito útil para demonstrar como podemos fazer a previsão de dados futuros utilizando dados do passado.

Primeiro vamos falar um pouco sobre o que é um forecast. Forecast é o processo de fazer previsões de dados futuros com base em dados do passado e presente através de analise de tendências

Para analisarmos na prática o desenvolvimento de um modelo de forecast vamos utilizar um dataset que contém informações de consumo de energia elétrica por indústrias no Brasil, o dataset pode ser baixado neste link .

Faremos nossa análise utilizando linguagem R com o pacote Forecast.
Vamos carregar nosso dataset direto do site quandl.com e carregar a biblioteca forecast que vai nos ajudar a criar nosso forecast, e vamos definir os data types de nossas variáveis, observe que os dados já estão organizados no formato que precisamos, tempo e métrica.

Os dados devem estar desta forma, duas variaveis, uma chamada Date e outra value.

Série Temporal

Temos dados de 31-01-1979 á 31-03-2017 neste dataset, para gerar um forecast precisamos de ao menos dois periodos completos, ou seja, ao menos dois anos, temos 459 registros neste dataset em duas colunas, o R não teria problema em processar o forecast com esta massa de dados, mas vamos trabalhar com menos dados para facilitar a visualização da série temporal. Em nossa série temporal carregaremos dados do periodo de 01-2013 á 12-2016 informando a frequência que deve ser 12 para mensal, 52 para semanal e 360 ou 365 para diária, em nosso caso faremos nossa serie mensal. Veja a imagem da série temporal gerada.

 

Vamos ver agora a decomposição desta série temporal. Observe que há fortes componentes de tendência e sazonalidade nos dados.

 

O componente sazonal pode ser analisado melhor nos gráficos abaixo utilizando as funções ggmonthplot e ggseasonplot do pacote forecast.

 

 

Forecast

Após criarmos nossa série temporal e analisarmos sua decomposição, vamos criar o forecast estimando o consumo elétrico industrial para os próximos 24 meses.

 

 

 

 

Conclusão

Podemos ver que um modelo de previsão pode ser feito de forma simples e com poucas linhas de código, há outros pacotes do R que podem ser utilizados para forecast como Arima e pacotes como mafs que ajudam a escolher o melhor modelo de forecast par sua série temporal.

O codigo completo pode ser encontrado neste link do meu Github.

 

 

Links

https://cran.r-project.org/web/packages/forecast/index.html

https://cran.r-project.org/web/packages/mafs/index.html

http://www.exceltoxl.com/index.php