Análise da Demanda de Energia Elétrica no Setor Industrial no Brasil

Márcio Gross, Cezar Pereira, Dos Santos, Dieison Casagrande, Paulo Hoeckel
unpublished
Resumo: O presente artigo tem por objetivo estimar as relações de longo e curto prazo da demanda por energia elétrica do setor industrial do Brasil através de um Modelo de Auto-Regressão Vetorial com correção de erro (VECM), pelo método de Co-integração de Johansen, para assim determinar as elasticidades renda, preço da demanda e preço cruzado por energia elétrica. Objetiva-se ainda projetar a demanda por energia elétrica para os meses de junho, julho e agosto de 2012 através da metodologia
more » ... da metodologia Box-Jenkins. Os resultados encontrados apontam que as elasticidades estão de acordo com a teoria econômica e com os resultados encontrados na literatura. A energia se mostrou um bem normal, com demanda inelástica e um bem substituto em relação ao petróleo para as indústrias que possuem essa mobilidade. O modelo de previsão que apresentou melhor ajustamento aos dados foi um modelo AR (4,12) MA (4,12). A média da exatidão das previsões realizadas foi de 97,46%, que é considerado um bom grau de ajustamento, considerando o fato de os dados serem mensais, onde as oscilações são mais difíceis de serem previstas. Esses resultados revelam que é possível utilizar dados mensais para previsões de curto prazo em modelagens Box-Jenkins. Palavras-Chaves: demanda por energia elétrica; Modelo VECM; Metodologia Box-Jenkins. Abstract: This paper aims to estimate the relationship of long and short-term demand for electricity in the industrial sector in Brazil through an Auto-Regression Model Vector Error Correction (VECM), at method of Johansen Co-integration, well to determine the income elasticity, price demand and price crossed by electricity. Another goal is to project the demand for electricity for the months of June, July and August of 2012 through the Box-Jenkins methodology. The results show that the elasticities are consistent with economic theory and with the results found in the literature. The energy showed a normal good with inelastic demand and a good substitute for oil for industries that have such mobility. The forecasting model that showed the best fit to the data was a model AR (4,12) MA (4,12). The average accuracy of the predictions made was 97,46%, which is considered a good degree of adjustment, considering the fact the data is monthly, where the oscillations are more difficult to predict. These results show that it is possible to use monthly data for short-term forecasts in Box-Jenkins modeling.
fatcat:ujhpfprdhrh5ndojo5awzg5v5q