Seleção e avaliação de componentes temporais no downscaling estatístico

Detalhes bibliográficos
Autor(a) principal: ALVES, Pedro Paulo de Medeiros
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/001300000qdk2
Texto Completo: https://repositorio.ufpe.br/handle/123456789/41351
Resumo: O Brasil vem se destacando internacionalmente pelo aumento na geração a partir da fonte eólica. Dado o fato desta fonte ser intermitente, este aumento traz consigo a necessidade do desenvolvimento de ferramentas mais acuradas para estimar o recurso eólico com vistas a auxiliar o planejamento da matriz elétrica brasileira. Existem modelos que estimam a velocidade do vento sobre o globo, entretanto, esta informação está disponível em baixa resolução espacial (macroescala). Estes modelos são conhecidos como GCMs (Global Circulation Models). O comportamento do vento no local de interesse (microescala) sofre a influência de diversos fatores que não são considerados na modelagem macroescalar. O recurso eólico na microescala pode ser estimado utilizando os dados do GCM como entrada das técnicas de aumento de resolução espacial (downscaling). Particularmente, este estudo utiliza técnicas de downscaling estatístico para estimar a velocidade do vento de 8 estações anemométricas. Usualmente as estimativas do vento local (preditando) são feitos utilizando instantes de tempo concomitantes entre macroescala e microescala. Neste trabalho, algumas técnicas utilizam em seus dados de entradas (preditores) instantes de tempos anteriores ao momento avaliado, nomeados neste texto como componentes temporais (CTs). Em uma avaliação global notou-se que a adição de componentes temporais melhorou as estimativas. Foi desenvolvida uma metodologia objetiva para seleção das CTs a partir das funções de autocorrelação e autocorrelação parcial. Após comparação dos resultados com ambas as metodologias, notou-se que para a maioria dos modelos, a metodologia baseada na autocorrelação parcial apresentou melhores resultados. Em adição ao mencionado, foram desenvolvidos modelos que utilizaram técnicas de clustering para melhorar as estimativas e concluiu-se que existe um ganho significativo nestas ao unir a adição de CTs e técnicas de agrupamento. Cada um dos modelos citados anteriormente utilizaram como dados de entrada cada um dos 16 níveis do GCM empregados neste trabalho. Em acréscimo a isto foram desenvolvidos modelos que além das componentes temporais realizaram seleções espaciais avaliando todos os níveis do GCM. Estes modelos apresentaram bom desempenho, especialmente nas regiões mais complexas, com destaque para o modelo RTCTP (Regressão, Teste de hipótese, Clustering, Teste de hipótese, Análise de componentes principais).
id UFPE_9cb8bc5b6a06becfb1dd28bf1b316305
oai_identifier_str oai:repositorio.ufpe.br:123456789/41351
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling ALVES, Pedro Paulo de Medeiroshttp://lattes.cnpq.br/8255454896527419http://lattes.cnpq.br/9870663748100803http://lattes.cnpq.br/1528235729017901LIMA, Fernando Roberto de AndradeCOSTA, Alexandre Carlos Araújo da2021-10-14T19:02:48Z2021-10-14T19:02:48Z2021-04-22ALVES, Pedro Paulo de Medeiros. Seleção e avaliação de componentes temporais no downscaling estatístico. 2021. Dissertação (Mestrado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/41351ark:/64986/001300000qdk2O Brasil vem se destacando internacionalmente pelo aumento na geração a partir da fonte eólica. Dado o fato desta fonte ser intermitente, este aumento traz consigo a necessidade do desenvolvimento de ferramentas mais acuradas para estimar o recurso eólico com vistas a auxiliar o planejamento da matriz elétrica brasileira. Existem modelos que estimam a velocidade do vento sobre o globo, entretanto, esta informação está disponível em baixa resolução espacial (macroescala). Estes modelos são conhecidos como GCMs (Global Circulation Models). O comportamento do vento no local de interesse (microescala) sofre a influência de diversos fatores que não são considerados na modelagem macroescalar. O recurso eólico na microescala pode ser estimado utilizando os dados do GCM como entrada das técnicas de aumento de resolução espacial (downscaling). Particularmente, este estudo utiliza técnicas de downscaling estatístico para estimar a velocidade do vento de 8 estações anemométricas. Usualmente as estimativas do vento local (preditando) são feitos utilizando instantes de tempo concomitantes entre macroescala e microescala. Neste trabalho, algumas técnicas utilizam em seus dados de entradas (preditores) instantes de tempos anteriores ao momento avaliado, nomeados neste texto como componentes temporais (CTs). Em uma avaliação global notou-se que a adição de componentes temporais melhorou as estimativas. Foi desenvolvida uma metodologia objetiva para seleção das CTs a partir das funções de autocorrelação e autocorrelação parcial. Após comparação dos resultados com ambas as metodologias, notou-se que para a maioria dos modelos, a metodologia baseada na autocorrelação parcial apresentou melhores resultados. Em adição ao mencionado, foram desenvolvidos modelos que utilizaram técnicas de clustering para melhorar as estimativas e concluiu-se que existe um ganho significativo nestas ao unir a adição de CTs e técnicas de agrupamento. Cada um dos modelos citados anteriormente utilizaram como dados de entrada cada um dos 16 níveis do GCM empregados neste trabalho. Em acréscimo a isto foram desenvolvidos modelos que além das componentes temporais realizaram seleções espaciais avaliando todos os níveis do GCM. Estes modelos apresentaram bom desempenho, especialmente nas regiões mais complexas, com destaque para o modelo RTCTP (Regressão, Teste de hipótese, Clustering, Teste de hipótese, Análise de componentes principais).CNPqBrazil has been standing out internationally for the increase in generation from wind power. Given that this source is intermittent, this increase brings the need to develop more accurate tools to estimate the wind resource to assist the planning of the Brazilian’s electrical matrix. Some models estimate the wind speed over the globe. However, this information is only available in low spatial resolution (macroscale). These models are called GCMs (Global Circulation Models). The wind modeling in the place of interest (microscale) is affected by several factors that are not considered in the GCMs modeling. The microscale's wind resource can be estimated using the GCM data as inputs of strategies of increasing spatial resolution (downscaling). In particular, this study uses statistical downscaling techniques to estimate wind speed from 8 met masts. Usually, local wind estimates use concomitant moments between macroscale and microscale. In this study, some techniques used in their input data instants of times before the evaluated moment, named in this text as temporal components (CTs). The addition of temporal components improved the quality of the estimates. An objective methodology for the selection of CTs was developed based on the autocorrelation and partial autocorrelation functions. After evaluating both methodologies' results, the methodology based on partial autocorrelation was better. Some models developed use clustering techniques to improve the estimates. There is a significant gain in the results when combining CTs and clustering techniques in one model. Each of the mentioned models uses as input data for each of the 16 GCM levels employed in this study. Some of the developed models use, together with the addition of temporal components, a spatial selection evaluating all levels of the GCM. These models have a good performance, especially in more complex regions, emphasizing the RTCTP model (Regression, Hypothesis testing, Clustering, Hypothesis testing, Principal component analysis).porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Tecnologias Energeticas e NuclearUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEnergia NuclearRecurso eólicoDownscaling estatísticoComponentes temporaisAutocorrelaçãoSeleção e avaliação de componentes temporais no downscaling estatísticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdfDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdfapplication/pdf1622181https://repositorio.ufpe.br/bitstream/123456789/41351/1/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf953d8fbcff1fa47233304380c457d964MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/41351/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/41351/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.txtDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.txtExtracted texttext/plain114715https://repositorio.ufpe.br/bitstream/123456789/41351/4/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.txt73b2b23354327678d60937984affbf06MD54THUMBNAILDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.jpgDISSERTAÇÃO Pedro Paulo de Medeiros Alves.pdf.jpgGenerated Thumbnailimage/jpeg1219https://repositorio.ufpe.br/bitstream/123456789/41351/5/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.jpg4be099c6abe66e306b88297d3444b0b3MD55123456789/413512021-10-15 02:15:23.611oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-10-15T05:15:23Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Seleção e avaliação de componentes temporais no downscaling estatístico
title Seleção e avaliação de componentes temporais no downscaling estatístico
spellingShingle Seleção e avaliação de componentes temporais no downscaling estatístico
ALVES, Pedro Paulo de Medeiros
Energia Nuclear
Recurso eólico
Downscaling estatístico
Componentes temporais
Autocorrelação
title_short Seleção e avaliação de componentes temporais no downscaling estatístico
title_full Seleção e avaliação de componentes temporais no downscaling estatístico
title_fullStr Seleção e avaliação de componentes temporais no downscaling estatístico
title_full_unstemmed Seleção e avaliação de componentes temporais no downscaling estatístico
title_sort Seleção e avaliação de componentes temporais no downscaling estatístico
author ALVES, Pedro Paulo de Medeiros
author_facet ALVES, Pedro Paulo de Medeiros
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8255454896527419
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9870663748100803
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1528235729017901
dc.contributor.author.fl_str_mv ALVES, Pedro Paulo de Medeiros
dc.contributor.advisor1.fl_str_mv LIMA, Fernando Roberto de Andrade
dc.contributor.advisor-co1.fl_str_mv COSTA, Alexandre Carlos Araújo da
contributor_str_mv LIMA, Fernando Roberto de Andrade
COSTA, Alexandre Carlos Araújo da
dc.subject.por.fl_str_mv Energia Nuclear
Recurso eólico
Downscaling estatístico
Componentes temporais
Autocorrelação
topic Energia Nuclear
Recurso eólico
Downscaling estatístico
Componentes temporais
Autocorrelação
description O Brasil vem se destacando internacionalmente pelo aumento na geração a partir da fonte eólica. Dado o fato desta fonte ser intermitente, este aumento traz consigo a necessidade do desenvolvimento de ferramentas mais acuradas para estimar o recurso eólico com vistas a auxiliar o planejamento da matriz elétrica brasileira. Existem modelos que estimam a velocidade do vento sobre o globo, entretanto, esta informação está disponível em baixa resolução espacial (macroescala). Estes modelos são conhecidos como GCMs (Global Circulation Models). O comportamento do vento no local de interesse (microescala) sofre a influência de diversos fatores que não são considerados na modelagem macroescalar. O recurso eólico na microescala pode ser estimado utilizando os dados do GCM como entrada das técnicas de aumento de resolução espacial (downscaling). Particularmente, este estudo utiliza técnicas de downscaling estatístico para estimar a velocidade do vento de 8 estações anemométricas. Usualmente as estimativas do vento local (preditando) são feitos utilizando instantes de tempo concomitantes entre macroescala e microescala. Neste trabalho, algumas técnicas utilizam em seus dados de entradas (preditores) instantes de tempos anteriores ao momento avaliado, nomeados neste texto como componentes temporais (CTs). Em uma avaliação global notou-se que a adição de componentes temporais melhorou as estimativas. Foi desenvolvida uma metodologia objetiva para seleção das CTs a partir das funções de autocorrelação e autocorrelação parcial. Após comparação dos resultados com ambas as metodologias, notou-se que para a maioria dos modelos, a metodologia baseada na autocorrelação parcial apresentou melhores resultados. Em adição ao mencionado, foram desenvolvidos modelos que utilizaram técnicas de clustering para melhorar as estimativas e concluiu-se que existe um ganho significativo nestas ao unir a adição de CTs e técnicas de agrupamento. Cada um dos modelos citados anteriormente utilizaram como dados de entrada cada um dos 16 níveis do GCM empregados neste trabalho. Em acréscimo a isto foram desenvolvidos modelos que além das componentes temporais realizaram seleções espaciais avaliando todos os níveis do GCM. Estes modelos apresentaram bom desempenho, especialmente nas regiões mais complexas, com destaque para o modelo RTCTP (Regressão, Teste de hipótese, Clustering, Teste de hipótese, Análise de componentes principais).
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-10-14T19:02:48Z
dc.date.available.fl_str_mv 2021-10-14T19:02:48Z
dc.date.issued.fl_str_mv 2021-04-22
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.citation.fl_str_mv ALVES, Pedro Paulo de Medeiros. Seleção e avaliação de componentes temporais no downscaling estatístico. 2021. Dissertação (Mestrado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2021.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/41351
dc.identifier.dark.fl_str_mv ark:/64986/001300000qdk2
identifier_str_mv ALVES, Pedro Paulo de Medeiros. Seleção e avaliação de componentes temporais no downscaling estatístico. 2021. Dissertação (Mestrado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2021.
ark:/64986/001300000qdk2
url https://repositorio.ufpe.br/handle/123456789/41351
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/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv 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 Tecnologias Energeticas e Nuclear
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/123456789/41351/1/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf
https://repositorio.ufpe.br/bitstream/123456789/41351/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/41351/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/41351/4/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/41351/5/DISSERTA%c3%87%c3%83O%20Pedro%20Paulo%20de%20Medeiros%20Alves.pdf.jpg
bitstream.checksum.fl_str_mv 953d8fbcff1fa47233304380c457d964
e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
73b2b23354327678d60937984affbf06
4be099c6abe66e306b88297d3444b0b3
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_ 1815172885558329344