Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazo

Bibliographic Details
Main Author: SOUZA, Ramon Bezerra de
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