logotipo ence

 

Dia do Estatístico 2025
Encontro GENERIS
ENCE de Portas Abertas 2025
4° Workshop ENCE e o Mercado de Trabalho
Prova Didática
ENCEemFOCO
Capacitação
Revista Brasileira de Estatística
Catálogo de Projetos
Plano de Trabalho 2025
Plano de Trabalho 2024
01/11 
start stop bwd fwd

 
 
  

Vídeo Institucional
 
 
 
ungp brazil hub logo md
 
 
 
ico rbe.fw
 
 
 
banner com qrcode completo

Apresentação de Monografia da Graduação de Gabriela Oliveira dos Santos

ESCOLA NACIONAL DE CIÊNCIAS ESTATÍSTICAS

Graduação em Estatística

Apresentação de Monografia

A Escola Nacional de Ciências Estatísticas convida para a defesa de Monografia da Graduação intitulada: “Previsão do consumo de energia elétrica no município do Rio de Janeiro: Uma comparação utilizando SARIMA e LSTM”

Aluna: Gabriela Oliveira dos Santos

Orientadora: Sandra Canton Cardoso (ENCE/IBGE)

Data: 04 de dezembro de 2025 – quinta-feira

Horário: 16h00

Local: Rua André Cavalcanti, 106, sala 306  ENCE

Resumo: A previsão aprimorada do consumo de energia elétrica é uma ferramenta essencial para o planejamento estratégico e a gestão operacional de sistemas energéticos, desempenhando um papel crucial na otimização da geração, transmissão e distribuição, além de contribuir para a estabilidade econômica e ambiental.
Este trabalho de conclusão de curso teve como objetivo principal comparar a eficácia de dois métodos distintos de modelagem de séries temporais – o modelo sazonal autorregressivo integrado de médias móveis (SARIMA) e nas redes neurais de memória de curto e longo prazo (LSTM) – na previsão do consumo de energia elétrica para o município do Rio de Janeiro. Para tal, foram utilizados dados históricos mensais de consumo, abrangendo o período de 2007 a 2024. Os dados foram pré-processados e divididos em conjuntos de treinamento e teste para garantir uma avaliação robusta e imparcial do desempenho preditivo de cada modelo. O modelo SARIMA foi ajustado considerando uma estrutura de dependência temporal linear e sazonal, enquanto a arquitetura LSTM foi renovada para explorar sua capacidade de proteção de padrões complexos e não lineares, além de dependências de longo prazo. O desempenho dos modelos foi avaliado utilizando estatísticas como o Erro Quadrático Médio (RMSE), Erro Absoluto Médio (MAE) e o Erro Percentual Absoluto Médio (MAPE). As descobertas deste estudo oferta orientações estratégicas específicas para transportes de energia e formuladores de políticas públicas no Rio de Janeiro, auxiliando na escolha de métodos de previsão mais eficazes para melhorar o planejamento energético e garantir a segurança do abastecimento.

Palavras-chave: Previsão de Consumo de Energia; Séries Temporais; SARIMA; LSTM.

Banca examinadora:
Sandra Canton Cardoso (ENCE/IBGE) – Orientadora

Gustavo da Silva Ferreira (ENCE/IBGE)

Waldir Jesus de Araujo Lobão (ENCE/IBGE)

Coordenação de Graduação

Renata Pacheco Nogueira Duarte

Endereço: Rua André Cavalcanti, 106 - Bairro de Fátima - CEP 20231-050 - Rio de Janeiro