ABSTRACT The Brazilian electricity energy matrix is essentially formed by hydraulic sources which currently account for 70% of the installed capacity. One of the most important characteristics of a generation system with hydro predominance is the strong dependence on the inflow regimes. Nowadays, the Brazilian power sector uses the PAR(p) model to generate scenarios for hydrological inflows. This approach does not consider any exogenous information that may affect hydrological regimes. The main objective of this paper is to infer on the influence of climatic events in water inflows as a way to improve the model’s performance. The proposed model is called “causal PAR(p)” and considers exogenous variables, such as El Niño and Sunspots, to generate scenarios for some Brazilian reservoirs. The result shows that the error measures decrease approximately 3%. This improvement indicates that the inclusion of climate variables to model and simulate the inflows time series is a valid exercise and should be taken into consideration.

Resumo: No Brasil, o comportamento da carga, em especial do consumo de energia, tem sido amplamente investigado nos últimos anos. Esse interesse, em geral, é devido à grande importância financeira e social desse insumo, pois sua falta pode causar todo tipo de dano ao país. O objetivo do presente trabalho é a geração de uma série mensal de carga elétrica livre das variações de ofensores não econômicos, no caso, calendário e temperatura. Foram comparadas duas abordagens com vistas à seleção da mais eficiente na remoção dos efeitos dos referidos ofensores: a primeira de natureza empírica e a segunda com características híbridas, utilizando métodos empíricos e modelos de Séries Temporais. Os dados utilizados são provenientes de observações diárias de cada um dos quatro subsistemas que integram o Sistema Interligado Nacional (SIN), porém a ideia é produzir séries mensais do SIN e não apenas de cada um dos subsistemas. A série trimestral do PIB foi utilizada para decidir qual abordagem melhor ajustou os dados de carga. Verificou-se que a diferença dos ajustes é mínima entre os métodos propostos, apresentando alto poder de explicação quando comparadas à série sem a retirada dos ofensores calendário e temperatura.

Abstract: In Brazil, the behavior of electrical load, particularly in energy consumption, has been widely investigated over the past years. In general, this interest is due to the great financial and social importance of this input, as its failure or shortage can have a variety of damaging impacts to the country. This paper proposes a method to generate monthly load series freed from variations arising from two sources: calendar and temperature. To find the best fitting approach to removing these effects, we considered a totally empirical method and one with hybrid features, as it uses both empirical procedures and time series models. The data set used comes from daily observations from each one of the four subsystems that form the Brazilian Electricity Grid. However, the final task is to obtain unique monthly series for the entire grid, and not only the four subsystems. The quarterly GDP series was used to check the performance of the two proposed methods. It was noted that the adjustment difference is minimal in the two approaches studied, and that both series had a great explanatory power when compared with the time series without removing calendar and temperature effects.

Este trabalho analisa a convergência espacial da produtividade agrícola da terra para as microrregiões brasileiras entre o período de 1991 a 2003. Tal análise avalia se há evidências para a existência de convergência beta da produtividade agrícola, controlando-se explicitamente para efeitos espaciais. Para tanto, conduziu-se preliminarmente uma análise exploratória de dados espaciais, que detectou a presença de autocorrelação espacial para a produtividade da terra. Numa etapa posterior, desenvolveram-se modelos econométricos espaciais para a análise da convergência.

This work analyzes the convergence of land productivity for Brazilian regions from 1991 to 2003. It evaluates if there is or not beta convergence of the agricultural productivity, controlling explicitly for spatial effects. To do so, an exploratory spatial data analysis was previously implemented and the presence of spatial autocorrelation for the land productivity was detected. In addition, spatial econometric models were developed for the convergence analysis.

A produtividade agrícola é marcada por padrões de localização representados pelos chamados efeitos espaciais, a saber: a heterogeneidade espacial e a dependência espacial. Assim, este trabalho analisa os efeitos espaciais que exercem influência sobre a produtividade agrícola da terra para três momentos do tempo - 1991, 1997 e 2003 - em nível microrregional. Para isso, implementa-se a análise exploratória de dados espaciais. O principal resultado mostra que a produtividade agrícola está crescentemente autocorrelacionada no espaço ao longo do tempo. Dois clusters alto-alto (AA) são identificados consistentemente: um deles localiza-se no Estado de São Paulo e partes do Centro-Oeste, enquanto o outro cluster AA situa-se no litoral nordestino.

Agricultural productivity is characterized by location patterns, represented by the so-called spatial effects, namely, spatial heterogeneity and spatial dependence. This paper analyzes the spatial effects which exert influence on agricultural land productivity at three points in time - 1991, 1997 and 2003 - at the microregional level, using exploratory spatial data analysis (ESDA). The main finding shows that agricultural productivity is increasingly self-correlated in space, over time. Two high-high (HH) clusters are identified consistently: one of them is located in the State of São Paulo and parts of the Center-West region, while the other cluster (HH) lies in the Northeastern Coast.