JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@2 |
Resumo: | O aumento da participação de fontes de energias renováveis variáveis (ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e à operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das ERVs. Tais desafios envolvem a modelagem e simulação dos processos intermitentes de geração e, dessa forma, um volume considerável de pesquisas tem sido direcionado ao tema. Nesse contexto, um tópico de crescente importância na literatura relaciona-se ao desenvolvimento de metodologias para simulação estocástica conjunta de recursos intermitentes com características complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir com essa temática, este trabalho propõe melhorias a um modelo de simulação já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do Nordeste brasileiro. A metodologia proposta baseia-se em discretização das séries temporais de energia aplicando a técnica de machine learning k-means, construção de matrizes de transição de estados com base nos clusters identificados e simulação de Monte Carlo para obtenção dos cenários. As séries sintéticas obtidas são comparadas aos resultados gerados pelo modelo já estabelecido na literatura a partir de técnicas estatísticas. Quanto ao alcance dos objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente, gerando cenários que reproduziram satisfatoriamente todas as características dos dados históricos avaliadas. |
id |
PUC_RIO-1_23f60b8db5f6d425cccfb78a80660956 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:60660 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisJOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES SIMULAÇÃO ESTOCÁSTICA CONJUNTA DE ENERGIAS RENOVÁVEIS 2022-08-31FERNANDO LUIZ CYRINO OLIVEIRA05702072669lattes.cnpq.br/0348074510343282FERNANDO LUIZ CYRINO OLIVEIRA05702072669lattes.cnpq.br/0348074510343282PAULA MEDINA MACAIRA LOURO13239922789lattes.cnpq.br/6490673312585650PAULA MEDINA MACAIRA LOURO13239922789lattes.cnpq.br/6490673312585650FERNANDO LUIZ CYRINO OLIVEIRAPAULA MEDINA MACAIRA LOUROPAULA MEDINA MACAIRA LOUROERICK MEIRA DE OLIVEIRAERICK MEIRA DE OLIVEIRA13642789790lattes.cnpq.br/5718757691374206GUSTAVO DE ANDRADE MELOPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA DE PRODUÇÃOPUC-RioBRO aumento da participação de fontes de energias renováveis variáveis (ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e à operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das ERVs. Tais desafios envolvem a modelagem e simulação dos processos intermitentes de geração e, dessa forma, um volume considerável de pesquisas tem sido direcionado ao tema. Nesse contexto, um tópico de crescente importância na literatura relaciona-se ao desenvolvimento de metodologias para simulação estocástica conjunta de recursos intermitentes com características complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir com essa temática, este trabalho propõe melhorias a um modelo de simulação já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do Nordeste brasileiro. A metodologia proposta baseia-se em discretização das séries temporais de energia aplicando a técnica de machine learning k-means, construção de matrizes de transição de estados com base nos clusters identificados e simulação de Monte Carlo para obtenção dos cenários. As séries sintéticas obtidas são comparadas aos resultados gerados pelo modelo já estabelecido na literatura a partir de técnicas estatísticas. Quanto ao alcance dos objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente, gerando cenários que reproduziram satisfatoriamente todas as características dos dados históricos avaliadas.The increased participation of variable renewable energy sources (VRES) in Brazil s electricity matrix brings several challenges to the planning and operation of the Brazilian Power System (BPS), due to the VRES stochasticity. Such challenges involve the modeling and simulation of intermittent generation processes and, in this context, a considerable amount of research has been directed to the theme. In this context, a topic of increasing importance in the literature is related to the development of methodologies for joint stochastic simulation of intermittent resources with complementary characteristics, such as wind and solar sources. Aiming to contribute to this theme, this work proposes improvements in a simulation model already established in the literature, evaluating its applicability based on Brazilian Northeast data. The proposed methodology is based on the discretization of energy time series applying the kmeans machine learning technique, construction of state transition matrices based on the identified clusters, and Monte Carlo simulation to obtain the scenarios. The synthetic series obtained are compared to the results generated by the model already established in the literature from statistical techniques. Regarding the scope of the research objectives, the proposed modeling demonstrated more promising results, generating scenarios that satisfactorily reproduced all the evaluated characteristics of the historical data.PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROCOORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORPROGRAMA DE SUPORTE À PÓS-GRADUAÇÃO DE INSTITUIÇÕES COMUNITÁRIAS DE ENSINO PARTICULAREShttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T14:08:15Zoai:MAXWELL.puc-rio.br:60660Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-09-27T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.en.fl_str_mv |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
dc.title.alternative.pt.fl_str_mv |
SIMULAÇÃO ESTOCÁSTICA CONJUNTA DE ENERGIAS RENOVÁVEIS |
title |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
spellingShingle |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES GUSTAVO DE ANDRADE MELO |
title_short |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
title_full |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
title_fullStr |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
title_full_unstemmed |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
title_sort |
JOINT STOCHASTIC SIMULATION OF RENEWABLE ENERGIES |
author |
GUSTAVO DE ANDRADE MELO |
author_facet |
GUSTAVO DE ANDRADE MELO |
author_role |
author |
dc.contributor.advisor2ID.none.fl_str_mv |
05702072669 |
dc.contributor.advisor1.fl_str_mv |
FERNANDO LUIZ CYRINO OLIVEIRA |
dc.contributor.advisor1ID.fl_str_mv |
05702072669 |
dc.contributor.advisor1Lattes.fl_str_mv |
lattes.cnpq.br/0348074510343282 |
dc.contributor.advisor2.fl_str_mv |
FERNANDO LUIZ CYRINO OLIVEIRA |
dc.contributor.advisor2Lattes.fl_str_mv |
lattes.cnpq.br/0348074510343282 |
dc.contributor.advisor-co1.fl_str_mv |
PAULA MEDINA MACAIRA LOURO |
dc.contributor.advisor-co1ID.fl_str_mv |
13239922789 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
lattes.cnpq.br/6490673312585650 |
dc.contributor.advisor-co2.fl_str_mv |
PAULA MEDINA MACAIRA LOURO |
dc.contributor.advisor-co2ID.fl_str_mv |
13239922789 |
dc.contributor.advisor-co2Lattes.fl_str_mv |
lattes.cnpq.br/6490673312585650 |
dc.contributor.referee1.fl_str_mv |
FERNANDO LUIZ CYRINO OLIVEIRA |
dc.contributor.referee2.fl_str_mv |
PAULA MEDINA MACAIRA LOURO |
dc.contributor.referee3.fl_str_mv |
PAULA MEDINA MACAIRA LOURO |
dc.contributor.referee4.fl_str_mv |
ERICK MEIRA DE OLIVEIRA |
dc.contributor.referee5.fl_str_mv |
ERICK MEIRA DE OLIVEIRA |
dc.contributor.authorID.fl_str_mv |
13642789790 |
dc.contributor.authorLattes.fl_str_mv |
lattes.cnpq.br/5718757691374206 |
dc.contributor.author.fl_str_mv |
GUSTAVO DE ANDRADE MELO |
contributor_str_mv |
FERNANDO LUIZ CYRINO OLIVEIRA FERNANDO LUIZ CYRINO OLIVEIRA PAULA MEDINA MACAIRA LOURO PAULA MEDINA MACAIRA LOURO FERNANDO LUIZ CYRINO OLIVEIRA PAULA MEDINA MACAIRA LOURO PAULA MEDINA MACAIRA LOURO ERICK MEIRA DE OLIVEIRA ERICK MEIRA DE OLIVEIRA |
description |
O aumento da participação de fontes de energias renováveis variáveis (ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e à operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das ERVs. Tais desafios envolvem a modelagem e simulação dos processos intermitentes de geração e, dessa forma, um volume considerável de pesquisas tem sido direcionado ao tema. Nesse contexto, um tópico de crescente importância na literatura relaciona-se ao desenvolvimento de metodologias para simulação estocástica conjunta de recursos intermitentes com características complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir com essa temática, este trabalho propõe melhorias a um modelo de simulação já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do Nordeste brasileiro. A metodologia proposta baseia-se em discretização das séries temporais de energia aplicando a técnica de machine learning k-means, construção de matrizes de transição de estados com base nos clusters identificados e simulação de Monte Carlo para obtenção dos cenários. As séries sintéticas obtidas são comparadas aos resultados gerados pelo modelo já estabelecido na literatura a partir de técnicas estatísticas. Quanto ao alcance dos objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente, gerando cenários que reproduziram satisfatoriamente todas as características dos dados históricos avaliadas. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-08-31 |
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://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@2 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60660@2 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.publisher.program.fl_str_mv |
PPG EM ENGENHARIA DE PRODUÇÃO |
dc.publisher.initials.fl_str_mv |
PUC-Rio |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1748324965060444160 |