Sries Temporais

A ordem cronolgica importante para avaliar a complementaridade porque quando os resduos encontram-se correlacionados a varincia dos parmetros de regresso so sob estimados e, portanto, os valores de F e t estatsticos sobre estimados. Modelos uni-variveis fazem uso sistemtico de toda a informao includa nos valores medidos da serie de tempo, isto, oferece uma fcil forma de prever o futuro desenvolvimento da varivel. O operador Lag pode ser usado como um simples, porm, poderoso instrumento do modelamento da serie de tempo. A varincia e covarincia no devem depender do tempo. As sries devem ser estacionrias A estacionaridade introduz o conceito da funo de auto-correlao como instrumento estatstico que descreve a dependncia entre os elementos da srie de tempo. As series de tempo j tiveram um papel importante nas cincias naturais. A sua anlise ajuda a detectar regularidades nas observaes da varivel e deriva em regras que as descrevem. A idia bsica da metodologia descompor a srie de tempo em um nmero finito de componentes independentes, porm, no observadas e que possuem um comportamento regular e assim, so tratadas para enfrente. Para este processo necessrio que haja diferentes fatores independentes que tenham impacto sobre a varivel. A decomposio em componentes no observadas na srie de tempo depende de diferentes fatores causais, sendo distinguidas 4 componentes: A tendncia. A cclica componente com perodos maiores do que um ano. A componente cclica com topos e quedas dentro de um ano. A componente residual

A soma destes componentes gera a srie de tempo. A teoria clssica de sries temporais assume que as componentes sistemticas no so influenciadas pelos distrbios estocsticos e assim, podem ser representadas por uma funo determinstica de tempo. Os impactos estocsticos

esto restringidos aos resduos (No contem movimentos sistemticos), est modelado como uma srie independente de variveis aleatrias no correlacionadas com uma distribuio normal de mdia zero e desvio padro constante. Porm, a moderna aproximao sustenta que se tm impactos estocsticos em todas as componentes da srie. Para desenvolver a anlise e tratamento de sries temporais procede-se nos seguintes passos: Identificar o modelo atravs da analise das figuras estatsticas da srie. Estimar os parmetros do modelo que melhor se ajuste srie. Revisar a especificao do modelo mediante testes estatsticos, se algum erro for detectado, o modelo deve ser mudado e os parmetros re-estimados. Este processo reiterado at conseguir um modelo adequado que satisfaa os critrios e possa ser utilizado para previso ou simulao da srie temporal.

Representao grfica das sries e anlise exploratria.

Quando se estudam sries temporais til analisar algumas representaes grficas para detectar propriedades da srie que possam ser observadas. Neste contexto, necessrio estudar seus diferentes comportamentos ao longo do tempo, como nveis de mudanas e transformaes da srie. A figura ilustra a temperatura anual, em registros de 8760 horas, de uma regio considerada no estudo de caso da tese, pode-se observar um comportamento sazonal alcanando seus valores mais baixos nas horas 4642 e 4643 com -0,6 e 0,9 graus Celsius, acontece similar comportamento nas horas 5171 e 5147 com valores coincidentes em -0,5 graus Celsius de temperatura. Por outro lado alcana seus valores mais altos nas horas 810, 911 e 8251 em valores de 34,1 e 34,5 graus Celsius.

A figura ilustra a srie temporal de radiao solar, que alcana seus menores picos de radiao entre as horas 3000 e 6000 e os maiores picos so alcanados no inicio do ano e no final do ano.

Uma observao pode ser comentada neste ponto, refere-se ao fato de uma possvel relao entre a srie da temperatura com a srie da radiao solar, j que como pode se ver nas figuras, quando a radiao solar apresenta uma queda nos seus valores, similar fato acontece com a srie de temperatura. A figura ilustra a srie de tempo da velocidade do vento com um valor mdio de 6,62 m/s e valor mximo de 13,60 e mnimo de 0,1104.

Uma anlise da funo auto-correlao para cada uma das sries necessria, sendo que, permita observar as componentes sistemticas e residuais da radiao solar, temperatura e velocidade do vento.

A figura mostra o diagrama de disperso para a radiao solar com o operador Lag em valores de 1, 2, 12, 24, 36 y 48, pode-se observar uma correlao direta nos Lag 1 e 2, sendo que no Lag 2 a varincia aumenta, acontecendo o mesmo para o Lag de 24 e 48. Por outro lado para os valores de 12 e 36 nenhuma correlao direta mostrada, isto, se deve ao fato que no se tem radiao solar durante esses perodos. Uma anlise parecida realizada para a srie de temperatura. Para valores do operador Lag de 1, 2, 12, 24, 36 e 48 pode-se observar uma auto-correlao muito acentuada, a qual vai se perdendo em funo do tempo e do aumento da varincia da srie. Porm, este fato mostra a importncia da representao seqencial dos valores da srie temporal. A figura ilustra as auto-correlaes existentes na srie de Temperatura. A temperatura se mostra com caractersticas mais comportadas do que a radiao solar, falando em termos de auto-correlao. Isto, pode ser pelo fato que a temperatura apresenta flutuaes mais suaves do que a radiao solar.

Para o vento as correlaes mais importantes encontram-se para valores do Lag de 1 at 6 conforme ilustra a figura, j que o vento menos comportado do que a

radiao solar, sendo que, a varincia aumenta em funo do aumento dos valores do operador Lag. Outras caractersticas tambm so apresentadas nas series de tempo, algumas de tipo sazonal, por exemplo, os valores mais altos para a temperatura acontecem no vero e os menores valores no inverno, coisa parecida acontece com a radiao solar, diminui em meses de inverno e mostra-se mais promissor nos meses de vero. Isto, aparentemente mostra um comportamento relacionando as duas sries de tempo. Com a velocidade do vento acontece um comportamento diferente, mostra-se mais promissor em tempos de inverno, tendo fatores de capacidade de gerao mais elevados nos meses de Julio, Agosto e Setembro, precisamente nos meses em que a Temperatura e a Radiao solar diminuem. Um fato interessante que deve ser pesquisado para a explorao desta caracterstica. A velocidade do vento passa a ter valores menores em termos de fator de capacidade nos meses de Dezembro, Janeiro e Fevereiro, isto, possivelmente seja pela variao na densidade do ar, resultado do incremento da temperatura e radiao solar.

Algumas questes surgem a partir destas sries de tempo: Como elas encontram-se relacionadas? Podem-se explorar suas caractersticas para aproveitar uma possvel complementaridade?

A figura ilustra as relaes entre as variveis que formam parte das sries de tempo de interesse, radiao solar, velocidade de vento e temperatura. Pode-se observar uma correlao direta entre a radiao solar e temperatura, linha vermelha e azul, ou seja, quando uma delas aumenta a outra aumenta junto. Por outro lado pode-se observar uma correlao inversa entre a radiao solar e a velocidade do vento, linha vermelha e roxa, ou seja, quando uma delas aumenta a outra diminui. Assim, no perodo do dia, o vento alcana seus valores mais baixos, acontecendo o contrario com a radiao solar e vice-versa no horrio noturno. Essa caracterstica mostra uma complementaridade que pode ser explorada para a gerao de energia eltrica.

A partir do ponto de vista estatstico a relao entre a temperatura e a radiao solar tem uma correlao direta, como ilustra a figura.

A correlao entre a srie de velocidade de vento e radiao solar apresenta valores de correlao inversa como ilustra a figura.

Sries de Temperatura, Radiao Solar e Velocidade do Vento.

ANLISE DA SRIE DE TEMPERATURA. Por definio as sries de tempo estacionrias no podem possuir componentes em freqncias especificas, no obstante, elas podem ser descritas por uma srie composta de freqncias. A anlise espectral distribui a varincia das series temporais sobre as freqncias e pode ser utilizado para caracterizar os fenmenos naturais como vento, temperatura e radiao solar, o que aleatrio, mas tem uma faixa de freqncia. Joseph Fourier demonstrou que a soma de senos pode fornecer uma aproximao razovel para a maioria dos sinais peridicos. Assim, Ajusta-se a temperatura a partir de sinais peridicos. A funo a projeo do raio sobre o eixo vertical e a funo a projeo do raio sobre o eixo horizontal. Em geral, uma funo seno de freqncia w, amplitude A, e fase est expressa por: Aplicando a identidade trigonomtrica de soma de senos temos: cos sin Esta equao fundamental para a anlise da somatria de senos, que podem ser ajustados atravs de uma regresso linear com senos e cossenos como variveis de previso. Para ajustar a srie de tempo da Temperatura: : 1,2,3, , . O valor de n deve ser par, caso contrrio, aplica-se algumas tcnicas, como diferenciao para torn-lo par. Ajusta-se a regresso da srie de tempo com como resultado de 1 variveis de prognstico. No caso das sries temporais do presente trabalho, optou-se por considerar um perodo de 8760 observaes, em concordncia com a base de dados anual que est conformada por registros de valores meios horrios. A seguir, so apresentados os resultados da regresso linear para a srie temporal de Temperatura. Pode ser observado que os valores do coeficiente de variam de 2 at 24, isto, porque o ajuste do modelo tem um valor mximo de n/24 que corresponde aos 365 dias do ano.
Coefficients:

Estimate Std. Error t value Pr(>|t|) (Intercept) 17.20636 0.04453 386.377 < 2e-16 *** sin(time * 2 * pi) 2.00156 0.06298 31.782 < 2e-16 *** cos(time * 2 * pi) 5.22202 0.06298 82.917 < 2e-16 *** sin(time * 4 * pi) 0.65651 0.06298 10.424 < 2e-16 *** cos(time * 4 * pi) -0.20941 0.06298 -3.325 0.000887 *** sin(time * 6 * pi) 0.27948 0.06298 4.438 9.21e-06 *** cos(time * 6 * pi) -0.08152 0.06298 -1.294 0.195574 sin(time * 8 * pi) -0.63496 0.06298 -10.082 < 2e-16 *** cos(time * 8 * pi) 0.29910 0.06298 4.749 2.07e-06 *** sin(time * 10 * pi) 0.75277 0.06298 11.953 < 2e-16 *** cos(time * 10 * pi) -0.70902 0.06298 -11.258 < 2e-16 *** sin(time * 12 * pi) -0.57329 0.06298 -9.103 < 2e-16 *** cos(time * 12 * pi) 0.62782 0.06298 9.969 < 2e-16 *** sin(time * 14 * pi) -0.51840 0.06298 -8.231 < 2e-16 *** cos(time * 14 * pi) -0.81024 0.06298 -12.865 < 2e-16 *** sin(time * 16 * pi) -0.14658 0.06298 -2.327 0.019967 * cos(time * 16 * pi) 0.47578 0.06298 7.555 4.62e-14 *** sin(time * 18 * pi) -0.35916 0.06298 -5.703 1.22e-08 *** cos(time * 18 * pi) 0.00567 0.06298 0.090 0.928268 sin(time * 20 * pi) -0.17970 0.06298 -2.853 0.004337 ** cos(time * 20 * pi) 0.59731 0.06298 9.484 < 2e-16 *** sin(time * 22 * pi) 0.66868 0.06298 10.618 < 2e-16 *** cos(time * 22 * pi) 0.15731 0.06298 2.498 0.012512 * sin(time * 24 * pi) -0.56173 0.06298 -8.919 < 2e-16 *** cos(time * 24 * pi) 0.42479 0.06298 6.745 1.63e-11 *** --Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 Residual standard error: 4.168 on 8735 degrees of freedom Multiple R-squared: 0.5149, Adjusted R-squared: 0.5136 F-statistic: 386.4 on 24 and 8735 DF, p-value: < 2.2e-16

A figura ilustra o ajuste do modelo, com um valor mdio de 17,20636 de temperatura e os seguintes valores estimados so os fatores dos senos e cossenos correspondentes aos intervalos de diferentes perodos de tempo.

Utilizando estas aproximaes pode-se gerar sries sintticas de Temperatura que caracterizem esta regio atravs da aproximao: 17,20636

Onde: representa os valores de temperatura simulados. , so os valores dos coeficientes de seno e cosseno para a regresso linear. t o intervalo de tempo simulado, que no caso est entre 1 y 8760 (horrio) n a freqncia utilizada, 8760 horas a parcela aleatria de simulao assumida como uma distribuio normal com mdia e desvio padro 0, .

2 2

SIMULAO DA TEMPERATURA Em funo do modelo ajustado pode-se gerar sries sintticas com diferentes cenrios e valores, porm mantendo a caracterstica da sries histrica de temperatura, como ilustra o seguinte figura.

Sendo os resultados estatsticos da distribuio anual, expressa em horas, os seguintes:

Dados de Temperatura Simulado 1 Simulado 2 Simulado 3 Real Mnimo -0.61 -1.05 -1.05 -0.90 1er quartil 13.37 13.35 13.25 13.30 Mediana 17.38 17.31 17.33 17.20 Mdia 17.25 17.21 17.25 17.21 3er quartil 21.23 21.20 21.26 21.30 Mximo 34.04 34.75 34.75 34.06

ANLISE BIVARIVEL PARA A RADIAO SOLAR E TEMPERATURA. A base de dados da radiao solar apresenta outras variveis ambientais como so temperatura, umidade e presso dos locais avaliados. Os registros de radiao solar possuem intervalos de tempo de minuto em minuto. Assim, foi necessrio um tratamento de dados, para ordenar os dados seqencialmente e calcular a mdia horria, tendo registros por ano de 8760 horas. Como foi observado, existe uma maior correlao entre a radiao solar e temperatura nos lags de 1, 24 e 48 horas, no assim no lag de 12 horas. Isto, pode ser, porque a radiao solar incrementa a temperatura e talvez exista uma relao direta entre as duas sries. Para validar esta conjetura necessrio realizar uma anlise das relaes funcionais entre as duas variveis. Portanto, ser necessrio avaliar a auto-correlao de cada varivel e a correlao cruzada entre as duas sries. A funo de auto-correlao um instrumento estatstico importante que descreve as dependncias no tempo entre os elementos de sries temporais e definida por: , Onde: , a covarincia da srie x no tempo s e t. , a auto-covarincia da srie x no tempo s. , a auto-covarincia da srie x no tempo t. A funo de auto-correlao mede a previsibilidade linear da srie no tempo t, conhecida como xt , utilizando o valor de xs . Calculando a auto-correlao da srie de radiao solar aparece uma seqncia repetida. Esta funo mostra picos repetidos em perodos de tempo, espaados em 24 pontos, concordando com os grficos de disperso mostrados anteriormente. Uma caracterstica parecida observada na anlise de autocorrelao para a srie de temperatura com a principal diferena, que mostra um comportamento de correlao diminuda no tempo, mantendo a correlao nos pontos 24 e 48. , , ,

Pode-se observar uma relao direta entre as duas sries, principalmente nas partes onde tem-se uma queda da radiao solar apresenta-se tambm uma queda na temperatura. Os grficos de auto-correlao indicam uma relao implcita entre a radiao solar e temperatura, baseado nestas relaes e para o desenvolvimento de sries sintticas de radiao solar e temperatura um modelo matemtico de previso multivariada deve ser desenvolvido.

Uma funo de gerao de sries sintticas ser estimada a partir de: ,

Onde: , , : So parmetros da funo estimada. : A varivel de radiao solar em funo do tempo e da anlise de autocorrelao.

 : A varivel temperatura em funo do tempo e da anlise de auto-correlao. Essa funo estimada ser avaliada em funo do mnimo erro quadrtico como indicador de melhor aproximao ao valor da funo real , , dada a partir de: min , ,

Os atrasos e a avaliao das relaes funcionais entre a temperatura e a radiao so levados em conta, na busca da funo estimada, os atrasos de 1, 12, 24 e 48 horas para ajuste, sendo, as variveis avaliadas a temperatura e umidade. Assim, a equao ter explicitamente a seguinte forma: Onde: , , , : So parmetros da equao estimada. : a radiao solar no tempo t. : a radiao solar com um atraso de h horas em funo de . : a Temperatura com um atraso de h horas em funo de . : a Umidade com um atraso de h horas em funo de 1,12,24 48 horas.

,,,

,,,

,,,