Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo
| Main Author: | |
|---|---|
| Publication Date: | 2014 |
| Format: | Master thesis |
| Language: | por |
| Source: | Repositório Institucional da UFPE |
| dARK ID: | ark:/64986/0013000006qjf |
| Download full: | https://repositorio.ufpe.br/handle/123456789/14993 |
Summary: | O Brasil apresenta um amplo potencial eólico a ser explorado, atualmente, observa-se a grande expansão desta fonte de geração, principalmente no nordeste do Brasil, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco. Porém, devido à incerteza associada à potência disponível, o aprimoramento das ferramentas de previsão de curto prazo representa um fator determinante para a operação do sistema, contribuindo para facilitar a comercialização de energia elétrica, o controle dos parques eólicos e fornecer uma estimativa futura para determinada localidade. Este trabalho é uma contribuição aos modelos de previsão de velocidades médias horárias dos ventos, para o horizonte de previsão de uma a quatro horas, utilizando as Redes Neurais Artificiais, sistemas Neuro-Fuzzy e o Reservoir Computing como métodos de inteligência artificial e as variáveis velocidade média do vento, umidade do ar, radiação solar e temperatura como entradas dos modelos de previsão. Os resultados obtidos para as previsões com alguns modelos propostos, revelaram ganhos da ordem de 50 % quando comparados com o modelo de referência, ratificando a eficiência dos modelos desenvolvidos. |
| id |
UFPE_c4e8fc88a5b0fb7e19a9082df867179c |
|---|---|
| oai_identifier_str |
oai:repositorio.ufpe.br:123456789/14993 |
| network_acronym_str |
UFPE |
| network_name_str |
Repositório Institucional da UFPE |
| repository_id_str |
2221 |
| spelling |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazoEngenharia ElétricaPrevisão de ventosRedes neurais artificiaisAnálise de séries temporaisInteligência artificialSistemas Neuro-FuzzyO Brasil apresenta um amplo potencial eólico a ser explorado, atualmente, observa-se a grande expansão desta fonte de geração, principalmente no nordeste do Brasil, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco. Porém, devido à incerteza associada à potência disponível, o aprimoramento das ferramentas de previsão de curto prazo representa um fator determinante para a operação do sistema, contribuindo para facilitar a comercialização de energia elétrica, o controle dos parques eólicos e fornecer uma estimativa futura para determinada localidade. Este trabalho é uma contribuição aos modelos de previsão de velocidades médias horárias dos ventos, para o horizonte de previsão de uma a quatro horas, utilizando as Redes Neurais Artificiais, sistemas Neuro-Fuzzy e o Reservoir Computing como métodos de inteligência artificial e as variáveis velocidade média do vento, umidade do ar, radiação solar e temperatura como entradas dos modelos de previsão. Os resultados obtidos para as previsões com alguns modelos propostos, revelaram ganhos da ordem de 50 % quando comparados com o modelo de referência, ratificando a eficiência dos modelos desenvolvidos.CAPESBrazil has a large wind potential to be exploited, currently, there is a great expansion of this source of generation, primarily in northeastern Brazil, where winds have an important feature of complementarity with the flows San Francisco River. However, due to the uncertainty associated with the available power, the improvement in short-term forecasting tools is a key factor for system operation, helping to facilitate the sale of electricity, control of wind farms and provide an estimate for future Local determined. This work is a contribution to the average speeds hourly forecast models of the winds, to the forecasting horizon of one to four hours, using the Artificial Neural Networks, Neuro-Fuzzy systems and Reservoir Computing as methods of artificial intelligence and speed variables average wind, humidity, solar radiation and temperature as inputs for forecasting models. The results obtained for predictions with some proposed models, showed gains of about 50% compared to the reference model, confirming the efficiency of the developed models.UNIVERSIDADE FEDERAL DE PERNAMBUCOUFPEBrasilPrograma de Pos Graduacao em Engenharia EletricaAQUINO, Ronaldo Ribeiro Barbosa dehttp://lattes.cnpq.br/8462552844285140http://lattes.cnpq.br/0731639653204720SOUZA, Ramon Bezerra de2016-01-25T18:22:30Z2016-01-25T18:22:30Z2014-08-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.ufpe.br/handle/123456789/14993ark:/64986/0013000006qjfporAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2019-10-25T10:03:13Zoai:repositorio.ufpe.br:123456789/14993Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T10:03:13Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
| dc.title.none.fl_str_mv |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| title |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| spellingShingle |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo SOUZA, Ramon Bezerra de Engenharia Elétrica Previsão de ventos Redes neurais artificiais Análise de séries temporais Inteligência artificial Sistemas Neuro-Fuzzy |
| title_short |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| title_full |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| title_fullStr |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| title_full_unstemmed |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| title_sort |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo |
| author |
SOUZA, Ramon Bezerra de |
| author_facet |
SOUZA, Ramon Bezerra de |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
AQUINO, Ronaldo Ribeiro Barbosa de http://lattes.cnpq.br/8462552844285140 http://lattes.cnpq.br/0731639653204720 |
| dc.contributor.author.fl_str_mv |
SOUZA, Ramon Bezerra de |
| dc.subject.por.fl_str_mv |
Engenharia Elétrica Previsão de ventos Redes neurais artificiais Análise de séries temporais Inteligência artificial Sistemas Neuro-Fuzzy |
| topic |
Engenharia Elétrica Previsão de ventos Redes neurais artificiais Análise de séries temporais Inteligência artificial Sistemas Neuro-Fuzzy |
| description |
O Brasil apresenta um amplo potencial eólico a ser explorado, atualmente, observa-se a grande expansão desta fonte de geração, principalmente no nordeste do Brasil, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco. Porém, devido à incerteza associada à potência disponível, o aprimoramento das ferramentas de previsão de curto prazo representa um fator determinante para a operação do sistema, contribuindo para facilitar a comercialização de energia elétrica, o controle dos parques eólicos e fornecer uma estimativa futura para determinada localidade. Este trabalho é uma contribuição aos modelos de previsão de velocidades médias horárias dos ventos, para o horizonte de previsão de uma a quatro horas, utilizando as Redes Neurais Artificiais, sistemas Neuro-Fuzzy e o Reservoir Computing como métodos de inteligência artificial e as variáveis velocidade média do vento, umidade do ar, radiação solar e temperatura como entradas dos modelos de previsão. Os resultados obtidos para as previsões com alguns modelos propostos, revelaram ganhos da ordem de 50 % quando comparados com o modelo de referência, ratificando a eficiência dos modelos desenvolvidos. |
| publishDate |
2014 |
| dc.date.none.fl_str_mv |
2014-08-29 2016-01-25T18:22:30Z 2016-01-25T18:22:30Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/14993 |
| dc.identifier.dark.fl_str_mv |
ark:/64986/0013000006qjf |
| url |
https://repositorio.ufpe.br/handle/123456789/14993 |
| identifier_str_mv |
ark:/64986/0013000006qjf |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE Brasil Programa de Pos Graduacao em Engenharia Eletrica |
| publisher.none.fl_str_mv |
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE Brasil Programa de Pos Graduacao em Engenharia Eletrica |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
| instname_str |
Universidade Federal de Pernambuco (UFPE) |
| instacron_str |
UFPE |
| institution |
UFPE |
| reponame_str |
Repositório Institucional da UFPE |
| collection |
Repositório Institucional da UFPE |
| repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
| repository.mail.fl_str_mv |
attena@ufpe.br |
| _version_ |
1846272394474291200 |