MODELO HÍBRIDO UTILIZANDO HOLT-WINTERS E REDE NEURAL NÃO LINEAR AUTOREGRESSIVA COM ENTRADAS EXÓGENAS (NARX) PARA PREVISÃO DA VELOCIDADE DO VENTO
Item
-
Tipo do ITEM
-
Dissertação de Mestrados
-
Título da Dissertação ou Tese
-
MODELO HÍBRIDO UTILIZANDO HOLT-WINTERS E REDE NEURAL NÃO LINEAR AUTOREGRESSIVA COM ENTRADAS EXÓGENAS (NARX) PARA PREVISÃO DA VELOCIDADE DO VENTO
-
Descrição
-
A matriz energética eólica vem aumentando gradativamente nos últimos anos e sua importância para a indústria de energia renovável é cada vez mais atrelada aos benefícios em relação ao meio ambiente, com esta crescente da matriz energética as pesquisas em torno da geração de energia eólica também vem aumentando, sendo uma das vertentes a previsão da velocidade do vento, pois com isso é possível prever a geração de energia eólica e diminuir a taxa de erros em tomadas de decisões na indústria de geração de eletricidade por meio da matriz eólica. Tendo em vista a problemática de tomadas de decisões e imprevisibilidade da velocidade do vento, o presente trabalho tem o objetivo de desenvolver um modelo híbrido para a previsão da velocidade do vento que pode ser utilizada na geração de energia eólica, baseado em Suavização Exponencial de Holt-Winters (HW) e Rede Neural Não Linear AutoRegressiva com Entradas Exógenas (NARX). Nos materiais e métodos foi usado a base de dados do projeto SONDA (Sistema de Organização Nacional de Dados Ambientais) organizado pelo INPE (Instituto Nacional de Pesquisas Espaciais), no qual optou-se por utilizar os dados anemométricos da estação de Brasília – BRB e Petrolina – PTR, onde foram usados dados dos anos de fevereiro de 2005 a março de 2019 da estação de BRB para treinamento, validação e testes, e de janeiro de 2006 a dezembro de 2015 da estação de PTR para simulações do HW, NARX e o modelo proposto. Os resultados obtidos com o modelo híbrido proposto HW-NARX foram comparados com os algoritmos de previsão de series temporais com sazonalidade HW e NARX, no qual o modelo proposto conseguiu atingir resultados de performance e previsibilidade melhores que o HW e o NARX para os horizontes de tempo de ultra-curto prazo, médio prazo e longo prazo, no qual foram utilizados como parâmetros de performance os erros MSE, RMSE e MAPE.
-
Abstract
-
A matriz energética eólica vem aumentando gradativamente nos últimos anos e sua importância para a indústria de energia renovável é cada vez mais atrelada aos benefícios em relação ao meio ambiente, com esta crescente da matriz energética as pesquisas em torno da geração de energia eólica também vem aumentando, sendo uma das vertentes a previsão da velocidade do vento, pois com isso é possível prever a geração de energia eólica e diminuir a taxa de erros em tomadas de decisões na indústria de geração de eletricidade por meio da matriz eólica. Tendo em vista a problemática de tomadas de decisões e imprevisibilidade da velocidade do vento, o presente trabalho tem o objetivo de desenvolver um modelo híbrido para a previsão da velocidade do vento que pode ser utilizada na geração de energia eólica, baseado em Suavização Exponencial de Holt-Winters (HW) e Rede Neural Não Linear AutoRegressiva com Entradas Exógenas (NARX). Nos materiais e métodos foi usado a base de dados do projeto SONDA (Sistema de Organização Nacional de Dados Ambientais) organizado pelo INPE (Instituto Nacional de Pesquisas Espaciais), no qual optou-se por utilizar os dados anemométricos da estação de Brasília – BRB e Petrolina – PTR, onde foram usados dados dos anos de fevereiro de 2005 a março de 2019 da estação de BRB para treinamento, validação e testes, e de janeiro de 2006 a dezembro de 2015 da estação de PTR para simulações do HW, NARX e o modelo proposto. Os resultados obtidos com o modelo híbrido proposto HW-NARX foram comparados com os algoritmos de previsão de series temporais com sazonalidade HW e NARX, no qual o modelo proposto conseguiu atingir resultados de performance e previsibilidade melhores que o HW e o NARX para os horizontes de tempo de ultra-curto prazo, médio prazo e longo prazo, no qual foram utilizados como parâmetros de performance os erros MSE, RMSE e MAPE.
-
Língua do arquivo
-
português
-
Data da Defesa
-
2020
-
Palavra-chave
-
Previsão da velocidade do vento
-
Modelo híbrido
-
Holt-Winters
-
Energia eólica
-
Rede Neural Artificial
-
Autor
-
Ricardo Silva Parente
-
Orientador
-
Dr. David Barbosa de Alencar
-
Local
-
ITEGAM - Manaus, 2021
-
Áreas de Conhecimento
-
Otimização de Processos Industriais
-
Turma
-
Turma 1
