MODELAGEM HÍBRIDA BASEADA EM DECOMPOSIÇÃO E REAMOSTRAGEM PARA PREVISÃO DE GERAÇÃO DE ENERGIA EM USINAS HIDRELÉTRICAS

Esse estudo propõe um modelo híbrido com decomposição para previsão de geração hidrelétrica nos meses de janeiro e fevereiro de 2026, em múltiplos passos à frente (1, 6 e 12), para uma usina localizada na divisa entre Brasil e Paraguai. O modelo incorpora dois métodos de decomposição, Singular Spectrum Analysis (SSA) e Wavelet, um método de reamostragem, o Circular Block Bootstrap (CBB), e os modelos de previsão Light Gradient Boosting Machine (LGBM), Extreme Gradient Boosting (XGBoost), Categorical Gradient Boosting (CatBoost), Random Forest (RF) e K-Nearest Neighbors (KNN), aplicados independentemente. São comparados modelos únicos, híbridos sem decomposição e com decomposição. Os resultados revelam a superioridade dos modelos híbridos com decomposição na maioria dos horizontes, com destaque para o modelo WAV-SSA-XGBoost, que obteve Symmetric Mean Absolute Percentage Error (SMAPE) de 4,09% e 4,02% para previsão de janeiro e fevereiro, respectivamente, no horizonte de 6 passos à frente.