[en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES

Detalhes bibliográficos
Autor(a) principal: SORAIDA AGUILAR VARGAS
Data de Publicação: 2016
Tipo de documento: Outros
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=26821@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@2
http://doi.org/10.17771/PUCRio.acad.26821
Resumo: [pt] Como resultado do processo de contração de novos Leilões de energia eólica e a entrada em operação de novos parques eólicos ao sistema elétrico Brasileiro, é necessário que o planejamento da operação das atividades de curto prazo como a regulação, atendimento da carga, balanceamento e programação do despacho das unidades geradoras entre outras atividades, seja efetuado de tal que os riscos técnicos e financeiros sejam minimizados. Porém esta não é uma tarefa simples, já que fornecer previsões exatas para esse processo apresenta uma série de desafios, como a incorporação da incerteza no cálculo das previsões. Daqui que a literatura técnica reporta diversas técnicas que proporcionam estimativas da densidade de probabilidade de geração de energia eólica, pois tais estimações permitem obter previsões da densidade de probabilidade para a energia eólica. Neste contexto, a previsão da velocidade do vento nos aproveitamentos eólicos passa a ser uma informação fundamental para os modelos de apoio à decisão que suportam a operação econômica e segura dos sistemas elétricos, pois a maioria dos modelos precisa da previsão da velocidade do vento para calcular a previsão da energia eólica. Este trabalho apresenta uma proposta uma estratégia de especificação não paramétrica para a previsão da geração de energia eólica, empregando a comumente conhecida densidade condicional por kernel, o qual permite calcular a função densidade de probabilidade da produção eólica para qualquer horizonte de tempo, condicionada à previsão da velocidade do vento obtida através da aplicação da metodologia de Análise Espectral Singular (SSA) para previsão. A metodologia foi validada com sucesso usando a série temporal das medias horárias da velocidade do vento e da produção eólica de um parque eólico Brasileiro. Os resultados foram comparados contra outras metodologias para a previsão da velocidade do vento, onde a abordagem não paramétrica proposta produz resultados muito proeminentes.
id PUC_RIO-1_c33460c36b8f833f5f260f1edf03aff4
oai_identifier_str oai:MAXWELL.puc-rio.br:26821
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES [pt] PREVISÃO DA DISTRIBUIÇÃO DA DENSIDADE DE PROBABILIDADE DA GERAÇÃO DE ENERGIA EÓLICA USANDO TÉCNICAS NÃO PARAMÉTRICAS [pt] PREVISAO[pt] ESTIMACAO CONDICIONAL DE NUCLEO[pt] ANALISE ESPECTRAL SINGULAR[pt] PREVISAO PROBABILISTICA[pt] VELOCIDADE DE VENTO[pt] ENERGIA EOLICA[en] FORECASTING[en] CONDITIONAL KERNEL ESTIMATION[en] SINGULAR SPECTRUM ANALYSIS[en] PROBABILISTIC FORECASTING[en] WIND ENERGY[pt] Como resultado do processo de contração de novos Leilões de energia eólica e a entrada em operação de novos parques eólicos ao sistema elétrico Brasileiro, é necessário que o planejamento da operação das atividades de curto prazo como a regulação, atendimento da carga, balanceamento e programação do despacho das unidades geradoras entre outras atividades, seja efetuado de tal que os riscos técnicos e financeiros sejam minimizados. Porém esta não é uma tarefa simples, já que fornecer previsões exatas para esse processo apresenta uma série de desafios, como a incorporação da incerteza no cálculo das previsões. Daqui que a literatura técnica reporta diversas técnicas que proporcionam estimativas da densidade de probabilidade de geração de energia eólica, pois tais estimações permitem obter previsões da densidade de probabilidade para a energia eólica. Neste contexto, a previsão da velocidade do vento nos aproveitamentos eólicos passa a ser uma informação fundamental para os modelos de apoio à decisão que suportam a operação econômica e segura dos sistemas elétricos, pois a maioria dos modelos precisa da previsão da velocidade do vento para calcular a previsão da energia eólica. Este trabalho apresenta uma proposta uma estratégia de especificação não paramétrica para a previsão da geração de energia eólica, empregando a comumente conhecida densidade condicional por kernel, o qual permite calcular a função densidade de probabilidade da produção eólica para qualquer horizonte de tempo, condicionada à previsão da velocidade do vento obtida através da aplicação da metodologia de Análise Espectral Singular (SSA) para previsão. A metodologia foi validada com sucesso usando a série temporal das medias horárias da velocidade do vento e da produção eólica de um parque eólico Brasileiro. Os resultados foram comparados contra outras metodologias para a previsão da velocidade do vento, onde a abordagem não paramétrica proposta produz resultados muito proeminentes.[en] As a result of the new contracting process wind power auctions and the entrance into operation of new wind farms to the Brazilian electrical system, it is requires that the planning of the operation of short-term activities such as regulation, balancing and programming dispatch of units commitment among other activities, is made such that the technical and financial risks are minimized. But this is not a simple task, since providing accurate forecasts for this process presents several challenges, as the incorporation of uncertainty in the calculation of the forecasts. Hence the technical literature reports several techniques that provide estimates of the probability of wind power generation density, because such estimates allow to obtain forecasts of the wind power probability density function. In this context, wind speed forecasting in wind farms becomes essential information for decision support models which helps the economic and safe operation of electrical systems, due to the fact that most of the models need to the wind speed predictions for forecasting wind energy. This thesis proposes a non-parametric specification strategy for forecasting of wind power generation, using the commonly known conditional kernel density estimation, which allows the estimation of the probability density function of wind power generation for any time horizon, conditioned on wind speed forecast obtained by applying the Singular Spectrum Analysis methodology (SSA). The methodology has been successfully validated using the time series of wind speed and hourly averages of wind production of a Brazilian wind farm. The results were compared against other methodologies for wind speed prediction, and the proposed non-parametric approach produced very prominent results.MAXWELLREINALDO CASTRO SOUZAREINALDO CASTRO SOUZAREINALDO CASTRO SOUZASORAIDA AGUILAR VARGAS2016-07-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@2http://doi.org/10.17771/PUCRio.acad.26821porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2018-08-07T00:00:00Zoai:MAXWELL.puc-rio.br:26821Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-08-07T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
[pt] PREVISÃO DA DISTRIBUIÇÃO DA DENSIDADE DE PROBABILIDADE DA GERAÇÃO DE ENERGIA EÓLICA USANDO TÉCNICAS NÃO PARAMÉTRICAS
title [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
spellingShingle [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
SORAIDA AGUILAR VARGAS
[pt] PREVISAO
[pt] ESTIMACAO CONDICIONAL DE NUCLEO
[pt] ANALISE ESPECTRAL SINGULAR
[pt] PREVISAO PROBABILISTICA
[pt] VELOCIDADE DE VENTO
[pt] ENERGIA EOLICA
[en] FORECASTING
[en] CONDITIONAL KERNEL ESTIMATION
[en] SINGULAR SPECTRUM ANALYSIS
[en] PROBABILISTIC FORECASTING
[en] WIND ENERGY
title_short [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
title_full [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
title_fullStr [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
title_full_unstemmed [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
title_sort [en] FORECASTING PROBABILISTIC DENSITY DISTRIBUTION OF WIND POWER GENERATION USING NON-PARAMETRIC TECHNIQUES
author SORAIDA AGUILAR VARGAS
author_facet SORAIDA AGUILAR VARGAS
author_role author
dc.contributor.none.fl_str_mv REINALDO CASTRO SOUZA
REINALDO CASTRO SOUZA
REINALDO CASTRO SOUZA
dc.contributor.author.fl_str_mv SORAIDA AGUILAR VARGAS
dc.subject.por.fl_str_mv [pt] PREVISAO
[pt] ESTIMACAO CONDICIONAL DE NUCLEO
[pt] ANALISE ESPECTRAL SINGULAR
[pt] PREVISAO PROBABILISTICA
[pt] VELOCIDADE DE VENTO
[pt] ENERGIA EOLICA
[en] FORECASTING
[en] CONDITIONAL KERNEL ESTIMATION
[en] SINGULAR SPECTRUM ANALYSIS
[en] PROBABILISTIC FORECASTING
[en] WIND ENERGY
topic [pt] PREVISAO
[pt] ESTIMACAO CONDICIONAL DE NUCLEO
[pt] ANALISE ESPECTRAL SINGULAR
[pt] PREVISAO PROBABILISTICA
[pt] VELOCIDADE DE VENTO
[pt] ENERGIA EOLICA
[en] FORECASTING
[en] CONDITIONAL KERNEL ESTIMATION
[en] SINGULAR SPECTRUM ANALYSIS
[en] PROBABILISTIC FORECASTING
[en] WIND ENERGY
description [pt] Como resultado do processo de contração de novos Leilões de energia eólica e a entrada em operação de novos parques eólicos ao sistema elétrico Brasileiro, é necessário que o planejamento da operação das atividades de curto prazo como a regulação, atendimento da carga, balanceamento e programação do despacho das unidades geradoras entre outras atividades, seja efetuado de tal que os riscos técnicos e financeiros sejam minimizados. Porém esta não é uma tarefa simples, já que fornecer previsões exatas para esse processo apresenta uma série de desafios, como a incorporação da incerteza no cálculo das previsões. Daqui que a literatura técnica reporta diversas técnicas que proporcionam estimativas da densidade de probabilidade de geração de energia eólica, pois tais estimações permitem obter previsões da densidade de probabilidade para a energia eólica. Neste contexto, a previsão da velocidade do vento nos aproveitamentos eólicos passa a ser uma informação fundamental para os modelos de apoio à decisão que suportam a operação econômica e segura dos sistemas elétricos, pois a maioria dos modelos precisa da previsão da velocidade do vento para calcular a previsão da energia eólica. Este trabalho apresenta uma proposta uma estratégia de especificação não paramétrica para a previsão da geração de energia eólica, empregando a comumente conhecida densidade condicional por kernel, o qual permite calcular a função densidade de probabilidade da produção eólica para qualquer horizonte de tempo, condicionada à previsão da velocidade do vento obtida através da aplicação da metodologia de Análise Espectral Singular (SSA) para previsão. A metodologia foi validada com sucesso usando a série temporal das medias horárias da velocidade do vento e da produção eólica de um parque eólico Brasileiro. Os resultados foram comparados contra outras metodologias para a previsão da velocidade do vento, onde a abordagem não paramétrica proposta produz resultados muito proeminentes.
publishDate 2016
dc.date.none.fl_str_mv 2016-07-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/other
format other
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@2
http://doi.org/10.17771/PUCRio.acad.26821
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26821@2
http://doi.org/10.17771/PUCRio.acad.26821
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 MAXWELL
publisher.none.fl_str_mv MAXWELL
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_ 1814822595515645952