Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo

• Ano de defesa: 2021
• Autor(a) principal: ALBUQUERQUE, Jonata Campelo de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco; UFPE; Brasil; Programa de Pos Graduacao em Engenharia Eletrica
• Palavras-chave em Português: Engenharia elétrica; Curva de potência; Melhoria da previsão; Inferência pré-estabelecida; Redes iniciais de aprendizagem profunda; Modelos de geração eólica; Curto prazo
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/42252

A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.