Modelos híbridos estocástico - matemático para previsão de velocidade do vento

• Ano de defesa: 2018
• Autor(a) principal: Camelo, Henrique do Nascimento
• Orientador(a): Lucio, Paulo Sérgio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS CLIMÁTICAS
• País: Brasil
• Palavras-chave em Português: Séries temporais; Box-Jenkins; Holt-Winters; Inteligência artificial; Nordeste brasileiro
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA: CIÊNCIAS CLIMÁTICAS
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/26651

Nos últimos dez anos, é possível identificar maiores inserções de recursos renováveis de energias para geração de eletricidade na matriz energética nacional, como é o caso da geração eólica. Isto pode ser justificado em diversos aspectos, por exemplo, em relação à fonte eólica que tem exercido importante função na matriz brasileira ao fornecer uma alternativa financeiramente viável à principal geradora de eletricidade do país, como a fonte hidráulica. Outro ponto a favor da geração eólica trata-se da questão ambiental, a utilização deste recurso deve ser encarada sobretudo neste aspecto. Além disso, no Nordeste do Brasil, há a chamada complementariedade, isto quando as vazões dos rios para gerarem energia são baixas, principalmente, segundo semestre do ano, em grande parte da mesma os ventos são, climatologicamente, mais intensos. A quantidade de trabalhos sobre geração eólica no Brasil cresce a cada dia, trazendo benefícios ao setor em particular e fornecendo garantias de exploração dos ventos locais. Nesse sentido este trabalho tem como objetivo apresentar dois modelos híbridos inovadores os quais poderão auxiliar no setor eólico por serem capazes de realizar previsões das velocidades dos ventos com boa acurácia afirmação baseada em medidas de validações dos modelos. Os modelos foram elaborados a partir das combinações matemáticas de dois modelos clássicos de séries temporais (Auto-Regressivo Integrado de Médias Móveis e Entradas Exógenas (ARIMAX) e suavização exponencial com o HoltWinters (HW)) com um modelo de inteligência artificial (Rede Neural Artificial (RNA)). Nas comparações entre as séries temporais (observada e ajustada em termos de médias mensais e horárias) é possível identificar, por exemplo, valor do coeficiente de eficiência Nash-Sutcliffe (NS) de aproximadamente 98%, e também valor de erro percentual em torno de 4,5%, os quais de acordo com a literatura confirmam a boa acurácia dos modelos. Um grande diferencial dos modelos híbridos propostos quando comparado com outros tradicionais da literatura está no fato de que conseguem incorporar as características (linear e não-linear), as quais são frequentemente encontradas em séries temporais, uma condição importante para proporcionar maiores precisões das velocidades do vento previstas fornecendo, desta maneira, maiores reduções de medidas estatísticas de erros, por exemplo, em alguns casos da ordem de 50%,quando comparado com os modelos clássicos que os compõem. Os modelos híbridos propostos podem representar importantes ferramentas norteadoras aos tomadores de decisão do setor de geração eólica no tocante a exploração dos ventos, entretanto, outras áreas de interesse podem ser analisadas quanto à viabilidade dos mesmos.