Modelagem preditiva de geração de energia eólica utilizando redes neurais e dados climáticos

• Autor(a) principal: Moreira, Nicolas Estanislau
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/16619
• topic: Engenharia; Energia eólica; Séries temporais; LSTM; Dados públicos; Wind energy; Public data; Time series

Nos últimos anos, a energia eólica tem adquirido uma significativa importância na matriz energética brasileira, impulsionada pelas preocupações globais com as mudanças climáticas e a considerável contribuição das emissões de gases provenientes da queima de combustíveis fósseis. Diante desse cenário, a energia eólica emerge como uma alternativa essencial para mitigar e controlar o efeito estufa, despertando um interesse crescente em estudos dedicados a esta área. Este estudo investiga dados públicos das usinas de energia eólica no Brasil, com o propósito de aplicá-los em um modelo de aprendizado de máquina capaz de prever a geração elétrica dessas instalações. Para assegurar a robustez dos resultados, integram-se dados climáticos públicos, explorando a relação entre esses dados meteorológicos e a produção de energia eólica. Um modelo de rede neural LSTM foi desenvolvido, e uma análise aprofundada dos dados foi conduzida, empregando técnicas de pré-processamento como remoção de outliers e tratamento de dados ausentes. Além disso, foi avaliada a viabilidade do uso de dados climáticos, considerando a distância geográfica entre as usinas e as estações meteorológicas. Esse enfoque abrangente busca não apenas antecipar a geração de energia eólica, mas também compreender a influência direta das condições climáticas nesse processo. A análise dos dados resultou em um conjunto de 13 usinas que foram aplicadas no modelo de LSTM. Os resultados demonstram que o uso de variáveis climáticas influencia positivamente nas previsões de geração de energia.