Previsão da velocidade do vento utilizando redes neurais artificiais e modelos autorregressivos

• Ano de defesa: 2020
• Autor(a) principal: Oliveira, Felipe Maia Barbosa
• Orientador(a): Peron, Guilherme de Santi
• Banca de defesa: Pes, Beatriz dos Santos , Peron, Guilherme de Santi , Moritz, Guilherme Luiz
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Curitiba
• Programa de Pós-Graduação: Programa de Pós-Graduação em Sistemas de Energia
• País: Brasil
• Palavras-chave em Português: Ventos - Velocidade - Previsão; Redes neurais (Computação); Energia eólica; Autorregressão (Estatística); Winds - Speed - Forecasting; Neural networks (Computer science); Wind power; Autoregression (Statistics)
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/23577

Os benefícios econômicos e ambientais da geração de energia elétrica pelo vento fizeram com que a energia eólica se tornasse uma das fontes mais promissoras para a geração de energia elétrica no Brasil. No entanto, a incerteza associada aos dados do vento, matéria-prima desta fonte de geração, geralmente não pode ser desprezada. Assim, os dados devem ser avaliados com precisão para reduzir efetivamente os riscos da geração eólica nas operações do sistema de energia, portanto motiva o desenvolvimento de técnicas de previsão que tiram proveito de medições quase em tempo real, coletadas de instrumentos distribuídos geograficamente. Nessa abordagem, são comparados métodos de previsão, baseados em redes neurais artificiais e modelos autorregressivos lineares visando o horizonte de curtíssimo prazo. Uma nova abordagem está sendo proposta neste trabalho, um modelo autorregressivo linear e uma rede neural artificial para a previsão probabilística da amplitude do vento no período de curtíssimo prazo. A abordagem do conjunto proposto foi extensivamente avaliada, usando dados reais de cinco estações anemométricas instaladas na região metropolitana de Curitiba. Os resultados demonstram que as incertezas nos dados do vento podem ser previstas de forma confiável e que um desempenho competitivo é obtido.