Detalhes bibliográficos
Ano de defesa: |
2022 |
Autor(a) principal: |
MOREIRA, Max Olinto
 |
Orientador(a): |
BALESTRASSI, Pedro Paulo
 |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Itajubá
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação: Doutorado - Engenharia Elétrica
|
Departamento: |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3333
|
Resumo: |
Nos últimos anos, as fontes de energia renováveis e sustentáveis atraíram a atenção de vários investidores e partes interessadas, como agentes do setor de energia e consumidores. Os sistemas de energia elétrica têm experimentado a rápida inserção de fontes geradoras renováveis distribuídas e, como resultado, enfrentam desafios de planejamento e operação à medida que novas conexões são feitas à rede. É de grande dificuldade observar e antecipar os níveis exigidos de geração fotovoltaica, que são tarefas consideradas inerentes a uma rápida inserção na rede elétrica. Essa geração distribuída/renovável deve ser integrada de forma coordenada, de modo que não haja impacto negativo no desempenho elétrico da rede, aumentando a complexidade do gerenciamento de energia. Neste trabalho, uma estratégia multivariada, baseada em planejamento de experimentos (DOE), é endereçada para a previsão de geração fotovoltaica usando uma nova abordagem para parametrização e combinação de um conjunto de redes neurais artificiais (RNA). Duas questões principais serão exploradas: como selecionar as RNAs e como combiná-las no ensemble. Como complemento dessa metodologia, também é apresentada a redução de dimensionalidade dos dados climáticos através de Análise de Componentes Principais (PCA). A abordagem de planejamento de experimentos (DOE) é aplicada aos fatores da série temporal de geração fotovoltaica e aos fatores da RNA. Em seguida, é realizada uma análise de cluster para selecionar as redes que obtiveram os melhores resultados. A partir deste ponto, uma análise de mistura (MDE) é empregada para determinar os pesos ideais para a formação da previsão por conjunto ensemble. A metodologia é detalhada ao longo do trabalho e, com base na combinação de previsões, foi estimada a geração fotovoltaica para um conjunto de painéis específicos, localizado no sul do Estado de Minas Gerais. Por conseguinte, um estudo mais abrangente, que considerou um conjunto de dados de dezessete plantas de geração, com características sazonais, também foi examinado. A versatilidade do método proposto permitiu a alteração do número de fatores a serem utilizados no arranjo experimental, no modelo de previsão e no horizonte de previsão desejado e, consequentemente, aprimorou a determinação da previsão para os cenários estudados. |