Abordagem singular spectrum analysis na modelagem de séries temporais de velocidade do vento de curtíssimo prazo

• Autor(a) principal: Corrêa, Victor Rodrigues
• Data de Publicação: 2015
• 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/1/14432
• topic: Singular spectrum analysis; Modelagem; Velocidade do vento; Filtragem; Séries temporais; Série temporal; Energia eólica

A questão energética está se tornando cada vez mais importante no mundo. Com o crescimento da qualidade de vida e da industrialização, a energia se torna cada vez mais indispensável para o dia a dia da população e para o crescimento econômico. Diante disto, surge uma questão: Como suprir essas necessidades energéticas, sem agredir os recursos naturais? Uma alternativa viável é a utilização da energia hídrica como fonte. Porém, com o aumento populacional e as frequentes mudançaas climáticas que proporcionam grandes períodos de estiagem, percebe-se que outra forma de geração de energia renovável seria fundamental para complementar a energia hidrelétrica nestas épocas. Assim a energia eólica entrou em ação, pois além de ser uma energia limpa, renovável e não utilizar, de maneira predatória, os recurso naturais, é uma energia criada a partir do vento, ou seja, em tempos de estiagem, pode haver uma tendência de aumento das correntes do vento, proporcionando esta complementariedade. Desta forma, a modelagem e previsão de séries temporais de velocidade do vento é essencial para o planejamento de uso deste tipo de geração de energia como complemento à hídrica. Séries temporais filtradas podem gerar modelos mais adequados para previsão. Este projeto tem por finalidade modelar uma série temporal de velocidade do vento de curtíssimo prazo a partir de duas conhecidas classes de modelos: os modelos de Holt-Winters e de Box & Jenkins. Além disso, pretende-se realizar uma filtragem na série original através da abordagem Singular Spectrum Analysis (SSA), removendo o seu ruído, e modelar também a série filtrada menos ruidosa via Holt-Winters e Box & Jenkins. Os modelos, tanto com a série original como com a série filtrada, são comparados através de estatísticas de aderência, de modo que o melhor modelo será aquele que minimize os erros. Os resultados mostram que os modelos de Box&Jenkins apresentam uma maior capacidade preditiva e que a filtragem melhora muito esta capacidade