Sica, Everthon TaghoriLima, Karem Vieira Paes de2026-06-112026-06-102026-06-112025-12-15Lima, Karem Vieira Paes de. Estudo sobre a contribuição de Modelo Oculto de Markov à previsão de preço de eletricidade. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) – Instituto Federal de Santa Catarina, Florianópolis, 2025.https://repositorio.ifsc.edu.br/handle/1/1648Este 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.This work presents the implementation of a Hidden Markov Model (HMM) to analyze the dynamics of electricity prices in Brazil. Using data collected from the Brazilian Electricity Trading Exchange (BBCE), the HMM was implemented in Python to model and predict energy prices. The objective is to compare the price history provided by BBCE with the predictions generated by the model. To evaluate the effectiveness of the predictions and the associated computational effort, static evaluation metrics are applied, including Mean Bias Error (MBE), Mean Absolute Percentage Error (MAPE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). These metrics will help determine the accuracy of the predictions and the computational efficiency of the HMM model, providing a comprehensive view of the model's performance in predicting electricity prices in the Brazilian market. The aim is to obtain an assessment of the HMM's ability to reflect the real dynamics of prices in the electricity sector.Português BrasilEconomia do mercadoServiços de eletricidade - CustosProgramas de computadorSistemas de energia elétricaTrabalho de conclusão de graduaçãoAcesso AbertoENGENHARIAS