Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/42252 |
Resumo: | A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo. |
id |
UFPE_f7226712b538cdf85105a03234475cff |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/42252 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
ALBUQUERQUE, Jonata Campelo dehttp://lattes.cnpq.br/5687742384234807http://lattes.cnpq.br/0731639653204720http://lattes.cnpq.br/4050206806464524AQUINO, Ronaldo Ribeiro Barbosa deLIRA, Milde Maria da Silva2021-12-14T22:42:12Z2021-12-14T22:42:12Z2021-07-12ALBUQUERQUE, Jonata Campelo de. Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/42252A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.CAPESThe modeling of a power curve is a crucial factor for the performance and operation of a wind source, contributing from the control to the improvement in the performance of a turbine or park. There are currently several techniques for adjusting this factor, whose methods are known as parametric and non-parametric. The latter create their own heuristics, depending on a specific characteristic or trend of how the data (winds x power) of a wind farm or turbine varies. This Thesis aims to demonstrate that it is possible to increase the accuracy of wind generation forecast in the short term with the use of some original techniques that use pre-established inference in fuzzy systems and deep learning techniques such as autoencoders and deep learning networks of the LSTM type. Two new heuristics explained in the course of the work were developed and they were compared with the models already developed by the author in previous works. The results are significant both with regard to forecasting wind component data, such as speed and direction, as well as the power forecast linked to the application of the developed power curve models. Thus, the new models and heuristics developed were effective and innovative, contributing to a notable improvement in the performance of forecasts in wind generation models in the short term.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia EletricaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia elétricaCurva de potênciaMelhoria da previsãoInferência pré-estabelecidaRedes iniciais de aprendizagem profundaModelos de geração eólicaCurto prazoDesenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Jonata Campelo de Albuquerque.pdfTESE Jonata Campelo de Albuquerque.pdfapplication/pdf11830126https://repositorio.ufpe.br/bitstream/123456789/42252/1/TESE%20Jonata%20Campelo%20de%20Albuquerque.pdfa47211cf06265da6d82edb4885786473MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/42252/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81908https://repositorio.ufpe.br/bitstream/123456789/42252/3/license.txtc59d330e2c454f71974f5866a0e8a96aMD53TEXTTESE Jonata Campelo de Albuquerque.pdf.txtTESE Jonata Campelo de Albuquerque.pdf.txtExtracted texttext/plain407065https://repositorio.ufpe.br/bitstream/123456789/42252/4/TESE%20Jonata%20Campelo%20de%20Albuquerque.pdf.txt5a816365667459cdce4a644a8fedc2d3MD54THUMBNAILTESE Jonata Campelo de Albuquerque.pdf.jpgTESE Jonata Campelo de Albuquerque.pdf.jpgGenerated Thumbnailimage/jpeg1183https://repositorio.ufpe.br/bitstream/123456789/42252/5/TESE%20Jonata%20Campelo%20de%20Albuquerque.pdf.jpg4d865ca699fa9495d30a58a8e4cd4024MD55123456789/422522021-12-15 02:12:53.027oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-12-15T05:12:53Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
title |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
spellingShingle |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo ALBUQUERQUE, Jonata Campelo de Engenharia elétrica Curva de potência Melhoria da previsão Inferência pré-estabelecida Redes iniciais de aprendizagem profunda Modelos de geração eólica Curto prazo |
title_short |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
title_full |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
title_fullStr |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
title_full_unstemmed |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
title_sort |
Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo |
author |
ALBUQUERQUE, Jonata Campelo de |
author_facet |
ALBUQUERQUE, Jonata Campelo de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5687742384234807 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0731639653204720 |
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4050206806464524 |
dc.contributor.author.fl_str_mv |
ALBUQUERQUE, Jonata Campelo de |
dc.contributor.advisor1.fl_str_mv |
AQUINO, Ronaldo Ribeiro Barbosa de |
dc.contributor.advisor-co1.fl_str_mv |
LIRA, Milde Maria da Silva |
contributor_str_mv |
AQUINO, Ronaldo Ribeiro Barbosa de LIRA, Milde Maria da Silva |
dc.subject.por.fl_str_mv |
Engenharia elétrica Curva de potência Melhoria da previsão Inferência pré-estabelecida Redes iniciais de aprendizagem profunda Modelos de geração eólica Curto prazo |
topic |
Engenharia elétrica Curva de potência Melhoria da previsão Inferência pré-estabelecida Redes iniciais de aprendizagem profunda Modelos de geração eólica Curto prazo |
description |
A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-12-14T22:42:12Z |
dc.date.available.fl_str_mv |
2021-12-14T22:42:12Z |
dc.date.issued.fl_str_mv |
2021-07-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALBUQUERQUE, Jonata Campelo de. Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/42252 |
identifier_str_mv |
ALBUQUERQUE, Jonata Campelo de. Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021. |
url |
https://repositorio.ufpe.br/handle/123456789/42252 |
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 Engenharia Eletrica |
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/123456789/42252/1/TESE%20Jonata%20Campelo%20de%20Albuquerque.pdf https://repositorio.ufpe.br/bitstream/123456789/42252/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/42252/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/42252/4/TESE%20Jonata%20Campelo%20de%20Albuquerque.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/42252/5/TESE%20Jonata%20Campelo%20de%20Albuquerque.pdf.jpg |
bitstream.checksum.fl_str_mv |
a47211cf06265da6d82edb4885786473 e39d27027a6cc9cb039ad269a5db8e34 c59d330e2c454f71974f5866a0e8a96a 5a816365667459cdce4a644a8fedc2d3 4d865ca699fa9495d30a58a8e4cd4024 |
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_ |
1802310832456990720 |