Sistema para automatização do processo de limpeza dos dados de torres meteorológicas para estudos pré-construtivos, certificação do recurso eólico e da produção de energia de um parque eólico

• Autor(a) principal: Barcelos, Leonardo Machado
• Data de Publicação: 2024
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/271884
• topic: Energia; Energia eólica; Ventos; Energy production assessment; Wind energy; Meteorological mast; Wind data; Wind resource certification

O crescimento da população e o aumento na demanda por eletricidade, juntamente com os esforços para reduzir as emissões de carbono nas fontes de energia, proporcionam um cenário promissor para o desenvolvimento de tecnologias no setor de energias renováveis. Além disso, um fator determinante para acelerar a transição energética é a meta estabelecida no Acordo de Paris das Nações Unidas. Para limitar o aumento da temperatura média global a 1,5°C em relação aos níveis pré-industriais, é crucial alcançar emissão zero de gases do efeito estufa até 2050. Especificamente no setor de energia eólica, estudos préconstrutivos desempenham um papel fundamental no desenvolvimento de novos parques eólicos, abrangendo desde a fase de viabilidade técnica e econômica até a certificação do recurso eólico. Com o objetivo de facilitar o rápido avanço de projetos de energia eólica na fase pré-construtiva, este trabalho se propõe a desenvolver um sistema para a limpeza de dados provenientes de torres anemométricas. Esse sistema serve como uma ferramenta valiosa para complementar o trabalho dos Engenheiros Eólicos. Foram utilizados dados públicos de torre anemométrica situada na Dinamarca. Para marcação de períodos anômalos, foi desenvolvido um Protocolo com diretrizes sobre quando uma medida deve ser marcada como anômala. Avaliou-se cinco abordagens – PCA, iForest, LSTM, TranAD e MSCRED – junto com um algoritmo de força bruta, que implementa o Protocolo, sendo que a LSTM apresentou os melhores resultados. Foram avaliadas as métricas Precisão, Revocação e F1-Score. Além disso, foi adotado um pós-processamento dos resultados das abordagens avaliadas e métricas ajustadas também são apresentadas. Com isso, a LSTM apresentou um F1-Score médio, com pós-processamento, de 0,8.