Explorando modelos híbridos para a previsão de vento: uma análise multirregional
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Milde Maria da Silva Lira
Agnaldo José da Rocha Reis
Clarysson Alberto Mello da Silva
Agnaldo José da Rocha Reis
Clarysson Alberto Mello da Silva
Resumo
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.
Assunto
Engenharia nuclear, Previsão do tempo, Energia eólica, Redes neurais (Computação)
Palavras-chave
Energia eólica, Redes neurais, Previsão, ARIMA, Modelos Híbridos
Citação
Departamento
Endereço externo
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto