Metodologia de previsão na intensificação de energias renováveis no ambiente de expectativa para uma transição energética confiável

• Autor(a) principal: ABREU, Laís Gomes Barreto
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
• Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/4030
• topic: CNPQ::ENGENHARIAS::ENGENHARIA MECÂNICA::ENGENHARIA DE ENERGIA; Sistemas energéticos; Energias renováveis; Políticas públicas energéticas brasileiras

O presente estudo concentra-se no cenário energético brasileiro e destaca o aumento progressivo do uso de fontes renováveis na matriz de energia elétrica do país. O principal objetivo deste estudo é contribuir para a busca de soluções e impulsionar debates e reflexões sobre as ações futuras necessárias para o planejamento energético. Para isso, a pesquisa emprega ferramentas computacionais baseadas em machine learning e mineração de dados, utilizando fontes de dados governamentais e de mercado de energia. A metodologia da pesquisa começa com a análise de dados históricos relacionados ao mercado de energia elétrica no Brasil, incluindo políticas, diretrizes nacionais e mecanismos de regulação. Em seguida, a pesquisa utiliza ferramentas computacionais para projetar a previsão do mercado de energia elétrica no país. Essas previsões são então comparadas com o horizonte previsto pelo Plano Decenal de Expansão de Energia 2030. A metodologia empregada inclui a execução de modelos de previsão, destacando o comportamento do mercado energético ao longo do tempo, a partir de três métodos diferentes: Redes Neurais Multilayer Perceptron (MLP), Regressão do Processo Gaussiano (GPR) e Regressão Linear para projetar a geração elétrica por fonte no Brasil. Os resultados indicam um crescimento considerável das fontes renováveis no mercado energético nacional até o ano de 2030, aproximando-se do objetivo do Plano Decenal de Expansão de Energia de atingir 90% de renovabilidade, abrangendo fontes como hidrelétrica, biomassa, eólica e solar. O método de Regressão Linear alcança 86% de renovabilidade, enquanto o método de Regressão do Processo Gaussiano atinge 90%, e o método das Redes Neurais Multilayer Perceptron chega a 88%. Assim como, os cenários propostos intencionaram no crescimento gradual do uso de fontes renováveis na matriz de energia elétrica e no seu potencial de crescimento. A projeção da previsão do mercado de energia elétrica, possibilitou a identificação dos padrões de comportamento mercadológico, permitindo antecipar as tendências e mudanças no mercado. Essas previsões têm o propósito de fornecer informações para apoiar o desenvolvimento de ações no processo de planejamento energético, contribuindo para a transição para fontes mais sustentáveis e renováveis de energia no Brasil.