Estudo de previsão a velocidade do vento: aplicação prática de inteligência artificial na exploração do uso energia eólica

• Autor(a) principal: Oliveira, Michel Braulio de
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Digital do Mackenzie
• Texto Completo: https://dspace.mackenzie.br/handle/10899/29043
• topic: séries temporais; energia eólica; inteligência artificial; redes neurais; time series; wind energy; artificial intelligence; Rio Grande do Sul

Este artigo traz um guia rápido de fácil acesso ao usuário, usando ferramentas online, com foco na geração de energia eólica e escolha de melhor região para instalação de aerogeradores. Com destaque as ferramentas Topographic-map, para viabilidade de terreno na instalação de aerogeradores e Google Colaboratory para executar funções baseadas em inteligência artificial para compreender dados climáticos da própria região e prever valores futuros desses mesmos dados. Além disso, é possível explorar outro tipo de geração distribuída, tais como a solar, a partir desses mesmos dados e com algumas mudanças do código. Para a realização da prova de conceito, nesta pesquisa foi utilizada a linguagem de programação Python no ambiente Google Colaboratory, com funções e bibliotecas do TensorFlow, que contém diversos modelos de redes neurais. Para a realização da pesquisa foi utilizado um banco de dados climáticos no período de 2015 a 2020 extraído do Instituto Nacional de Meteorologia e de registros de altitude do Atlas Eólico Brasileiro. O presente trabalho constatou que os melhores resultados de correlação das variáveis climáticas e das previsões, são proporcionais ao incremento do banco de dados. Também foi percebida a necessidade uma boa conexão de internet para executar previsões de médio e longo prazo, devido ao carregamento inicial do banco de dados na aplicação online. Foram testados vários modelos de inteligência artificial nas previsões da velocidade do vento que foram comparados através de erro médio absoluto para encontrar o modelo mais adequado. Em destaque o modelo denso e o convolucional (método de múltiplas saídas).