Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
dARK ID: | ark:/64986/001300000tm0p |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/32495 |
Resumo: | A importância de uma previsão com qualidade ganhou visibilidade devido aos benefícios que traz ao planejamento, manutenção e operação do setor elétrico como um todo. Com vistas a explorar o comportamento periódico do vento, e por consequência da potência gerada, este trabalho busca desenvolver uma metodologia para previsão de potência baseada em análise espectral e na decomposição do sinal. No caso da análise espectral foi utilizada a transformada rápida de Fourier como meio de identificação de componentes. Para a decomposição aplicou-se um método aditivo, que se resume em subtrações sucessivas de médias móveis, no qual tais médias são tomadas em intervalos correspondentes aos períodos identificados através da análise espectral. O processo de decomposição é repetido para cada uma das componentes, encontrando, então, subcomponentes do sinal original. Para cada subcomponente é treinada uma rede neural. Uma outra rede é ajustada para realizar a recomposição da previsão final. A metodologia foi desenvolvida de forma que sua aplicação seja objetiva, ou seja, sem a necessidade de alterações subjetivas caso o método seja aplicado à diferentes séries temporais, garantindo generalidade. A metodologia proposta foi aplicada a cinco estudos de caso e se provou consistente tendo alcançado os objetivos de superar os métodos de referência. Em relação à persistência os resultados da metodologia desenvolvida chegaram a uma melhora de até 45%. Portanto a metodologia proposta alcançou os resultados almejados, justificando o gasto computacional mais elevado que a realização da dupla decomposição implica. |
id |
UFPE_9c466501f245aed2a8be4c3a17755a01 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/32495 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
FERNANDES, Lucas Cabralhttp://lattes.cnpq.br/0222963920148804http://lattes.cnpq.br/5905967201590284ARAÚJO, Alex MaurícioCOSTA, Alexandre Carlos Araújo da2019-09-10T22:14:01Z2019-09-10T22:14:01Z2018-08-31https://repositorio.ufpe.br/handle/123456789/32495ark:/64986/001300000tm0pA importância de uma previsão com qualidade ganhou visibilidade devido aos benefícios que traz ao planejamento, manutenção e operação do setor elétrico como um todo. Com vistas a explorar o comportamento periódico do vento, e por consequência da potência gerada, este trabalho busca desenvolver uma metodologia para previsão de potência baseada em análise espectral e na decomposição do sinal. No caso da análise espectral foi utilizada a transformada rápida de Fourier como meio de identificação de componentes. Para a decomposição aplicou-se um método aditivo, que se resume em subtrações sucessivas de médias móveis, no qual tais médias são tomadas em intervalos correspondentes aos períodos identificados através da análise espectral. O processo de decomposição é repetido para cada uma das componentes, encontrando, então, subcomponentes do sinal original. Para cada subcomponente é treinada uma rede neural. Uma outra rede é ajustada para realizar a recomposição da previsão final. A metodologia foi desenvolvida de forma que sua aplicação seja objetiva, ou seja, sem a necessidade de alterações subjetivas caso o método seja aplicado à diferentes séries temporais, garantindo generalidade. A metodologia proposta foi aplicada a cinco estudos de caso e se provou consistente tendo alcançado os objetivos de superar os métodos de referência. Em relação à persistência os resultados da metodologia desenvolvida chegaram a uma melhora de até 45%. Portanto a metodologia proposta alcançou os resultados almejados, justificando o gasto computacional mais elevado que a realização da dupla decomposição implica.ANPThe importance of high quality forecasting gained visibility due to the benefits it assures to the planning, maintenance and operation of the electrical sector. Towards to exploring wind’s, and therefore wind power, periodical behaviour this work aims to develop a wind power forecasting methodology based on spectral analysis and signal decomposition. For the spectral analysis the fast Fourier transform algorithm was used as a mean to identify the components within the original time series. For the decomposition an additive method was applied, which resumes in sucessive subtractions of moving averages from the original signal, those averages are taken regarding the intervals correspondent to the period identified with the spectral analysis. The process is then repeated to each one of the components, finding the subcomponets of the signal. For each subcomponent a neural network is trained to forecast its behavior. The recomposition of the signal is done by another neural network which produces the final forecast. The methodology was developed in a objective way, so it does not needs further subjective alterations when applied to different time series, assuring generality. The methodology was then applied in five different cases proving to be consistent and reaching the objectives to overcomes the reference methods, namely the persistence and a neural network adjusted for the original time series withouth the double decomposition. Regarding the persistence the proposed methodology results achieved improvements until 45%. Therefore the proposed methodology achieved the desired results, justifying the high computational cost of the double decomposition.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia MecanicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia MecânicaEnergia eólicaPrevisãoRedes neurais artificiaisAnálise espectralDecomposiçãoPrevisão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDISSERTAÇÃO Lucas Cabral Fernandes.pdf.jpgDISSERTAÇÃO Lucas Cabral Fernandes.pdf.jpgGenerated Thumbnailimage/jpeg1260https://repositorio.ufpe.br/bitstream/123456789/32495/5/DISSERTA%c3%87%c3%83O%20Lucas%20Cabral%20Fernandes.pdf.jpg3c096422ed520b63a20c41c3d711eb05MD55ORIGINALDISSERTAÇÃO Lucas Cabral Fernandes.pdfDISSERTAÇÃO Lucas Cabral Fernandes.pdfapplication/pdf5780730https://repositorio.ufpe.br/bitstream/123456789/32495/1/DISSERTA%c3%87%c3%83O%20Lucas%20Cabral%20Fernandes.pdf7a39dc4dd934dbcdd02e7024cd4bbcf3MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/32495/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/32495/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Lucas Cabral Fernandes.pdf.txtDISSERTAÇÃO Lucas Cabral Fernandes.pdf.txtExtracted texttext/plain73556https://repositorio.ufpe.br/bitstream/123456789/32495/4/DISSERTA%c3%87%c3%83O%20Lucas%20Cabral%20Fernandes.pdf.txtb724b3badf70a82bf4c722e113185bc8MD54123456789/324952019-10-26 01:34:16.943oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-26T04:34:16Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
title |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
spellingShingle |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal FERNANDES, Lucas Cabral Engenharia Mecânica Energia eólica Previsão Redes neurais artificiais Análise espectral Decomposição |
title_short |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
title_full |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
title_fullStr |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
title_full_unstemmed |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
title_sort |
Previsão de potência eólica de curtíssimo prazo baseada na análise espectral e decomposição da série temporal |
author |
FERNANDES, Lucas Cabral |
author_facet |
FERNANDES, Lucas Cabral |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0222963920148804 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5905967201590284 |
dc.contributor.author.fl_str_mv |
FERNANDES, Lucas Cabral |
dc.contributor.advisor1.fl_str_mv |
ARAÚJO, Alex Maurício |
dc.contributor.advisor-co1.fl_str_mv |
COSTA, Alexandre Carlos Araújo da |
contributor_str_mv |
ARAÚJO, Alex Maurício COSTA, Alexandre Carlos Araújo da |
dc.subject.por.fl_str_mv |
Engenharia Mecânica Energia eólica Previsão Redes neurais artificiais Análise espectral Decomposição |
topic |
Engenharia Mecânica Energia eólica Previsão Redes neurais artificiais Análise espectral Decomposição |
description |
A importância de uma previsão com qualidade ganhou visibilidade devido aos benefícios que traz ao planejamento, manutenção e operação do setor elétrico como um todo. Com vistas a explorar o comportamento periódico do vento, e por consequência da potência gerada, este trabalho busca desenvolver uma metodologia para previsão de potência baseada em análise espectral e na decomposição do sinal. No caso da análise espectral foi utilizada a transformada rápida de Fourier como meio de identificação de componentes. Para a decomposição aplicou-se um método aditivo, que se resume em subtrações sucessivas de médias móveis, no qual tais médias são tomadas em intervalos correspondentes aos períodos identificados através da análise espectral. O processo de decomposição é repetido para cada uma das componentes, encontrando, então, subcomponentes do sinal original. Para cada subcomponente é treinada uma rede neural. Uma outra rede é ajustada para realizar a recomposição da previsão final. A metodologia foi desenvolvida de forma que sua aplicação seja objetiva, ou seja, sem a necessidade de alterações subjetivas caso o método seja aplicado à diferentes séries temporais, garantindo generalidade. A metodologia proposta foi aplicada a cinco estudos de caso e se provou consistente tendo alcançado os objetivos de superar os métodos de referência. Em relação à persistência os resultados da metodologia desenvolvida chegaram a uma melhora de até 45%. Portanto a metodologia proposta alcançou os resultados almejados, justificando o gasto computacional mais elevado que a realização da dupla decomposição implica. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-08-31 |
dc.date.accessioned.fl_str_mv |
2019-09-10T22:14:01Z |
dc.date.available.fl_str_mv |
2019-09-10T22:14:01Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/32495 |
dc.identifier.dark.fl_str_mv |
ark:/64986/001300000tm0p |
url |
https://repositorio.ufpe.br/handle/123456789/32495 |
identifier_str_mv |
ark:/64986/001300000tm0p |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Engenharia Mecanica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/32495/5/DISSERTA%c3%87%c3%83O%20Lucas%20Cabral%20Fernandes.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/32495/1/DISSERTA%c3%87%c3%83O%20Lucas%20Cabral%20Fernandes.pdf https://repositorio.ufpe.br/bitstream/123456789/32495/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/32495/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/32495/4/DISSERTA%c3%87%c3%83O%20Lucas%20Cabral%20Fernandes.pdf.txt |
bitstream.checksum.fl_str_mv |
3c096422ed520b63a20c41c3d711eb05 7a39dc4dd934dbcdd02e7024cd4bbcf3 e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 b724b3badf70a82bf4c722e113185bc8 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1815172916649656320 |