Dashboard de Análise Preditiva

Suporte à Decisão Baseado em Previsões de Preços de Energia

Selecione uma Região para Análise de Previsão

Passo 1: Entendendo o Comportamento do Preço

Antes de prever, precisamos entender. A análise de decomposição divide a série de preços em seus componentes fundamentais: a Tendência de longo prazo, os ciclos de Sazonalidade e os Resíduos (ruído aleatório).

Decomposição da Série Temporal

Gráfico de Decomposição da SérieClique na imagem para expandir.

Passo 2: Preparação e Limpeza dos Dados

Com os padrões identificados, o próximo passo foi tratar os "outliers" – valores atípicos que podem distorcer a análise. Isso garante uma série temporal mais estável e previsões mais confiáveis.

Detecção e Tratamento de Outliers

Gráfico de Detecção de OutliersClique na imagem para expandir.

Passo 3: Escolha e Validação dos Modelos

Aplicamos quatro abordagens estatísticas e comparamos seus resultados. A tabela abaixo mostra o desempenho de cada modelo ao prever os últimos 5 meses de dados históricos conhecidos (backtesting), validando sua eficácia.

Prophet

Excelente para dados com fortes tendências sazonais.

ARIMA

Modelo estatístico clássico para capturar tendências.

SARIMA

Evolução do ARIMA que trata explicitamente da sazonalidade.

STL Forecast

Decompõe a série e prevê cada componente.

Métricas de Validação dos Modelos (Backtesting)

Analisando a região SUDESTE...

ModeloMAEMSERMSE
Menores valores indicam um melhor desempenho do modelo.

Passo 4: Previsões e Análise de Cenários Futuros

Com os modelos validados, geramos as previsões para os próximos 16 meses. O destaque abaixo aponta o modelo com melhor aderência aos dados históricos, servindo como nossa principal referência.

⭐ Modelo em Destaque

Com base na validação, o modelo mais preciso para esta região foi o...

Comparativo de Previsões de Preço

Gráfico de PrevisõesClique na imagem para expandir.

Tabela Detalhada (Próximos 16 Meses)

Passo 5: Análise de Decisão Baseada em Dados Históricos

Esta análise utiliza uma Árvore de Decisão para determinar a melhor estratégia de recolhimento de palhiço, baseada na probabilidade de ocorrência de diferentes faixas de preço extraídas de toda a série histórica.

i
Nota Metodológica: Toda a análise de Árvore de Decisão e as imagens na galeria abaixo foram calculadas utilizando exclusivamente os dados históricos da região Sudeste/Centro-Oeste, que serve como referência. Esta seção é estática e não se altera com o seletor de regiões.

Árvore de Decisão Comparativa das Alternativas

O gráfico abaixo consolida os resultados, apontando a melhor alternativa geral.

Gráfico da Árvore de Decisão ComparativaClique na imagem para expandir.

Galeria de Análises de Suporte

Análise de Sensibilidade da Receita
Análise de Sensibilidade
Árvore de Decisão para Enfardamento
Árvore: Enfardamento
Árvore de Decisão para Colheita Integral
Árvore: Colheita Integral
Árvore de Decisão para Colheita Parcial
Árvore: Colheita Parcial
Quadro de Valores Mínimos e Máximos
Tabela: Preços Min/Max

Passo 6: Sumário Executivo (Gerado por IA)

Os principais insights e recomendações estratégicas, gerados automaticamente pela IA do Gemini com base nos resultados consolidados desta análise.

Analisando dados e gerando insights...

Passo 7: Ferramenta de Análise de Investimento (Baseada em Previsões Futuras)

Diferente da Árvore de Decisão, esta ferramenta utiliza as previsões de preço para os próximos 16 meses para simular um cenário de investimento futuro, calculando a economia que seria gerada ao produzir energia própria.

!
Aviso Importante: Esta é uma ferramenta de simulação para fins estritamente acadêmicos. As previsões são baseadas em um conjunto de dados fixo. Os resultados não devem, em nenhuma hipótese, ser utilizados como base para decisões financeiras reais.
ModeloEconomia em 16 mesesResultado (Lucro/Prejuízo)PaybackRecomendação