Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/14119 |
Resumo: | A demanda de energia elétrica cresce exponencialmente com o aumento da população mundial e da modernização. Ser capaz de gerar e consumir energia limpa ́e um enorme desafio. Neste cenário, a energia eólica surge como uma possível fonte de energia complementar a energia hidrelétrica instalada no Brasil. Porém, este tipo de energia depende de série fatores climáticos que mudam constantemente com o tempo. Por este motivo, ser capaz de prever a velocidade do vento ́e um importante papel para o planejamento e a gestão das cidades. Este trabalho propôs a modelagem estatística de séries temporais com o auxílio da filtragem Singular Spectrum Analysis e da divisão Cross Validation. A primeira técnica busca decompor e reconstruir a série temporal sem a componente ruidosa, já o segundo método busca reestimar a série de forma iterativa com a adição de uma nova observação a cada instante de tempo. Para validação da previsão estatística foram utilizadas as seguintes estatísticas de aderência: RMSE, BIC, R2 e MAPE nos dados mensais de velocidade média do vento (em m/s) do município de Campos dos Goytacazes no Estado do Rio de Janeiro de janeiro de 2012 à dezembro de 2016. Os resultados apontam para essa amostra um ajuste melhor nos modelos in-sample após aplicação do filtro SSA. Já para previsão fora da amostra teve as melhores estatísticas de aderência com a combinação do filtro SSA junto da divisão do Cross Validation, mostrando ser um resultado promissor para o planejamento da energia eólica como fonte de energia |
id |
UFF-2_255d4553a7c1f1f55d69e0253b7097cf |
---|---|
oai_identifier_str |
oai:app.uff.br:1/14119 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do ventoSingular spectrum analysisAnálise de clusterVelocidade do ventoCross validationAnálise espectralAnálise de agrupamentoEnergia eólicaA demanda de energia elétrica cresce exponencialmente com o aumento da população mundial e da modernização. Ser capaz de gerar e consumir energia limpa ́e um enorme desafio. Neste cenário, a energia eólica surge como uma possível fonte de energia complementar a energia hidrelétrica instalada no Brasil. Porém, este tipo de energia depende de série fatores climáticos que mudam constantemente com o tempo. Por este motivo, ser capaz de prever a velocidade do vento ́e um importante papel para o planejamento e a gestão das cidades. Este trabalho propôs a modelagem estatística de séries temporais com o auxílio da filtragem Singular Spectrum Analysis e da divisão Cross Validation. A primeira técnica busca decompor e reconstruir a série temporal sem a componente ruidosa, já o segundo método busca reestimar a série de forma iterativa com a adição de uma nova observação a cada instante de tempo. Para validação da previsão estatística foram utilizadas as seguintes estatísticas de aderência: RMSE, BIC, R2 e MAPE nos dados mensais de velocidade média do vento (em m/s) do município de Campos dos Goytacazes no Estado do Rio de Janeiro de janeiro de 2012 à dezembro de 2016. Os resultados apontam para essa amostra um ajuste melhor nos modelos in-sample após aplicação do filtro SSA. Já para previsão fora da amostra teve as melhores estatísticas de aderência com a combinação do filtro SSA junto da divisão do Cross Validation, mostrando ser um resultado promissor para o planejamento da energia eólica como fonte de energiaMenezes, Moisés Lima deCarvalho, Marcia Marques deSanfins, Marco Aurelio dos SantosMartins, Guilherme Cruvello da Silveira2020-06-24T14:47:18Z2020-06-24T14:47:18Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMARTINS, Guilherme Cruvello da Silveira. Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento. 2017. 46 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2017.https://app.uff.br/riuff/handle/1/14119http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-23T15:30:12Zoai:app.uff.br:1/14119Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202021-09-23T15:30:12Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
title |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
spellingShingle |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento Martins, Guilherme Cruvello da Silveira Singular spectrum analysis Análise de cluster Velocidade do vento Cross validation Análise espectral Análise de agrupamento Energia eólica |
title_short |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
title_full |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
title_fullStr |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
title_full_unstemmed |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
title_sort |
Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento |
author |
Martins, Guilherme Cruvello da Silveira |
author_facet |
Martins, Guilherme Cruvello da Silveira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Menezes, Moisés Lima de Carvalho, Marcia Marques de Sanfins, Marco Aurelio dos Santos |
dc.contributor.author.fl_str_mv |
Martins, Guilherme Cruvello da Silveira |
dc.subject.por.fl_str_mv |
Singular spectrum analysis Análise de cluster Velocidade do vento Cross validation Análise espectral Análise de agrupamento Energia eólica |
topic |
Singular spectrum analysis Análise de cluster Velocidade do vento Cross validation Análise espectral Análise de agrupamento Energia eólica |
description |
A demanda de energia elétrica cresce exponencialmente com o aumento da população mundial e da modernização. Ser capaz de gerar e consumir energia limpa ́e um enorme desafio. Neste cenário, a energia eólica surge como uma possível fonte de energia complementar a energia hidrelétrica instalada no Brasil. Porém, este tipo de energia depende de série fatores climáticos que mudam constantemente com o tempo. Por este motivo, ser capaz de prever a velocidade do vento ́e um importante papel para o planejamento e a gestão das cidades. Este trabalho propôs a modelagem estatística de séries temporais com o auxílio da filtragem Singular Spectrum Analysis e da divisão Cross Validation. A primeira técnica busca decompor e reconstruir a série temporal sem a componente ruidosa, já o segundo método busca reestimar a série de forma iterativa com a adição de uma nova observação a cada instante de tempo. Para validação da previsão estatística foram utilizadas as seguintes estatísticas de aderência: RMSE, BIC, R2 e MAPE nos dados mensais de velocidade média do vento (em m/s) do município de Campos dos Goytacazes no Estado do Rio de Janeiro de janeiro de 2012 à dezembro de 2016. Os resultados apontam para essa amostra um ajuste melhor nos modelos in-sample após aplicação do filtro SSA. Já para previsão fora da amostra teve as melhores estatísticas de aderência com a combinação do filtro SSA junto da divisão do Cross Validation, mostrando ser um resultado promissor para o planejamento da energia eólica como fonte de energia |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017 2020-06-24T14:47:18Z 2020-06-24T14:47:18Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
MARTINS, Guilherme Cruvello da Silveira. Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento. 2017. 46 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2017. https://app.uff.br/riuff/handle/1/14119 |
identifier_str_mv |
MARTINS, Guilherme Cruvello da Silveira. Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento. 2017. 46 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2017. |
url |
https://app.uff.br/riuff/handle/1/14119 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838875337359360 |