Estudo sobre a contribuição de Modelo Oculto de Markov à previsão de preço de eletricidade

Abstract

Este trabalho apresenta a implementação de um Modelo Oculto de Markov (HMM) para analisar a dinâmica de preço de energia elétrica no Brasil. Utilizando dados coletados da Bolsa Brasileira de Comercialização de Energia Elétrica (BBCE). O HMM foi implementado em Python para modelar e prever os preços da energia. O objetivo é comparar o histórico de preços fornecido pela BBCE com as previsões geradas pelo modelo. Para avaliar a eficácia das previsões e o esforço computacional associado, são aplicadas métricas estáticas de avaliação, incluindo o Erro Médio de Bias (MBE), o Erro Absoluto Percentual Médio (MAPE), o Erro Quadrático Médio (MSE) e a Raiz do Erro Quadrático Médio (RMSE). Estas métricas ajudarão a determinar a precisão das previsões e a eficiência computacional do modelo HMM, fornecendo uma visão abrangente sobre a performance do modelo na previsão de preços de energia elétrica no mercado brasileiro. Com isso, espera-se obter uma avaliação da capacidade do HMM em refletir a dinâmica real dos preços no setor elétrico.