Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/79785| Tipo: | Dissertação |
| Título: | Explorando modelos híbridos para a previsão de vento: uma análise multirregional |
| Autor(es): | José Péricles Freire |
| primer Tutor: | Carlos Eduardo Velasquez Cabrera |
| primer Co-tutor: | Lihki José Rúbio Ortega |
| primer miembro del tribunal : | Milde Maria da Silva Lira |
| Segundo miembro del tribunal: | Agnaldo José da Rocha Reis |
| Tercer miembro del tribunal: | Clarysson Alberto Mello da Silva |
| Resumen: | A energia eólica é uma das principais tecnologias de baixo carbono para geração de eletricidade, e o Brasil possui um grande potencial para seu desenvolvimento, especialmente nas regiões Nordeste e Sul. Estudos recentes mostram que há uma complementaridade interessante entre a energia eólica e a hidráulica, pois em períodos de seca, a geração eólica tende a ser mais alta devido ao aumento da velocidade dos ventos, e vice-versa. Em 2022, a energia eólica se consolidou como a segunda fonte mais utilizada na matriz elétrica brasileira, correspondendo a 11,8% (ou 25,6 GW) da capacidade instalada, atrás apenas da fonte hidráulica, que responde por 61,9%. O Plano Nacional de Energia projeta que, até 2050, o Brasil terá uma capacidade instalada de energia eólica de 110 GW, consolidando ainda mais a relevância dessa fonte. No entanto, a natureza intermitente da energia eólica apresenta desafios para sua integração eficiente na rede elétrica nacional. Para lidar com esses desafios, a capacidade de prever e analisar as tendências de geração é fundamental, permitindo maior precisão na operação do Sistema Interligado Nacional (SIN) e possibilitando decisões mais informadas sobre o fornecimento de energia e a gestão dos reservatórios hídricos. Dentre os principais fatores que influenciam a geração de um parque eólico estão a direção e a velocidade do vento. Este trabalho tem como objetivo estudar diferentes modelos para prever a geração de energia eólica no estado do Ceará e compará-los com outros estados brasileiros, como Bahia, Piauí, Rio Grande do Norte, Rio Grande do Sul e Santa Catarina. Foram avaliados modelos como ARIMA, CNN, LSTM, CNN-LSTM, CNN- ALSTM, ARIMA-CNN e ARIMA-LSTM, e os resultados evidenciaram a superioridade dos modelos híbridos em paralelo, especialmente o ARIMA-CNN e ARIMA-LSTM. As previsões feitas pelo modelo ARIMA-CNN para o estado do Rio Grande do Sul foram aplicadas para estimar a produção de energia da usina Honda Energy Xangri-lá, utilizando duas abordagens: uma baseada em intervalos de potência e outra dependente da direção do vento. Ambas as abordagens mostraram-se promissoras, especialmente ao trabalhar com médias de produção em intervalos superiores a uma semana. |
| Abstract: | Wind energy is one of the leading low-carbon technologies for electricity generation, and Brazil has great potential for its development, especially in the Northeast and South regions. Recent studies show an interesting complementarity between wind and hydropower, as during drought periods, wind generation tends to be higher due to increased wind speeds, and vice versa. In 2022, wind energy became the second most used source in the Brazilian electricity matrix, accounting for 11.8% (or 25.6 GW) of the installed capacity, behind only hydropower, which represents 61.9%. The National Energy Plan estimates that by 2050, Brazil will have an installed wind energy capacity of 110 GW, further consolidating the relevance of this source. However, the intermittent nature of wind energy presents challenges for its efficient integration into the national electricity grid. To address these challenges, the ability to predict and analyze generation trends is crucial, allowing greater precision in the operation of the National Interconnected System (SIN) and enabling more informed decisions regarding energy supply and reservoir management. Among the main factors that influence the generation of a wind farm are wind direction and speed. This work aims to study different models to predict wind energy generation in the state of Ceará and compare them with other Brazilian states, such as Bahia, Piauí, Rio Grande do Norte, Rio Grande do Sul, and Santa Catarina. Models such as ARIMA, CNN, LSTM, CNN-LSTM, CNN-ALSTM, ARIMA-CNN, and ARIMA-LSTM were evaluated, and the results highlighted the superiority of the parallel hybrid models, especially ARIMA-CNN and ARIMA-LSTM. The forecasts made by the ARIMA-CNN model for the state of Rio Grande do Sul were used to estimate the energy production of the Honda Energy Xangri-lá wind farm, using two approaches: one based on power intervals and the other dependent on wind direction. Both approaches proved to be promising, particularly when working with average production over intervals longer than a week. |
| Asunto: | Engenharia nuclear Previsão do tempo Energia eólica Redes neurais (Computação) |
| Idioma: | por |
| País: | Brasil |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Institución: | UFMG |
| Departamento: | ENG - DEPARTAMENTO DE ENGENHARIA NUCLEAR |
| Curso: | Programa de Pós-Graduação em Ciências e Técnicas Nucleares |
| Tipo de acceso: | Acesso Aberto |
| metadata.dc.rights.uri: | http://creativecommons.org/licenses/by/3.0/pt/ |
| URI: | http://hdl.handle.net/1843/79785 |
| Fecha del documento: | 29-nov-2024 |
| Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
| archivo | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Dissertação_josé_final_final.pdf | 5.3 MB | Adobe PDF | Visualizar/Abrir |
Este elemento está licenciado bajo una Licencia Creative Commons
