Atualmente o Brasil e o mundo passam por uma transição energética, cuja economia de baixo carbono tem se efetivado através de fontes de energia cada vez mais limpas e com operações industriais mais eficientes. Além dos ganhos para o meio ambiente, esse caminho deve trazer benefícios econômicos para os agentes do sistema elétrico brasileiro através das diversas oportunidades que serão geradas. Neste contexto a possibilidade de prever os preços de energia elétrica no mercado de curto prazo (MCP), ambiente de contratação livre, pode contribuir significativamente para a otimização do planejamento de contratação da demanda e uma melhor avaliação dos riscos, seja para os agentes geradores ou para a indústria e grandes consumidores de modo geral. Dessa maneira, buscando contribuir com o aumento de previsibilidade dos agentes que atuam no mercado livre de energia elétrica brasileiro, o presente estudo se propõe prever o valor do Preço de Liquidação das Diferenças (PLD) para quatro semanas operativas subsequentes. Para isso, a ideia é utilizar uma combinação entre modelos AutoRegressivos Integrados de Médias Móveis com Sazonalidade (SARIMA) e redes neurais artificiais recorrentes (LSTM). Primeiramente, serão previstos as quatro semanas operativas subsequentes para as variáveis preditoras e então alimentar uma Rede Neural Artificial (RNA) para produzir o PLD. A metodologia traz como resultado previsões com níveis de acuracidade satisfatórios, principalmente pelo fator combinatório de cada técnica.

Currently, Brazil and the world are going through an energy transition, whose low-carbon economy has been effected through increasingly clean energy sources and with more efficient industrial operations. In addition to the gains for the environment, this path should bring economic benefits to the agents of the Brazilian electrical system through the various opportunities that will be generated. In this context, the possibility of forecasting electricity prices in the short-term market (MCP), a free contracting environment, can contribute to the optimization of demand contracting planning and a greater assessment of risks, whether for generating agents or for industry and large consumers in general. In this way, seeking to contribute to the increase of predictability of the agents that act in the Brazilian electric energy free market, the present study proposes to forecast the value of the difference settlement price (acronym in portuguese PLD) for four subsequent operative weeks. For this, the idea is to use a combination between time series models (SARIMA) and recurrent artificial neural networks (LSTM). Firstly, the four subsequent operative weeks forecast for the predictor variables and then feed the artificial neural network (ANN) to produce the PLD. The methodology results in prediction with strong levels of accuracy, mainly due to the combinatorial factor of each technique.