Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/17263 |
Resumo: | A geração de energia eólica teve um expressivo crescimento nas últimas décadas, atribuído aos diversos benefícios que a fonte traz para o meio ambiente e a sociedade. A expansão do modal pelo mundo e o desenvolvimento de suas tecnologias fizeram com que a operação das usinas fosse cada vez mais otimizada, tornando a eólica tão competitiva quanto outras fontes. No Brasil, a expansão expressiva nos últimos anos do parque eólico integrado ao SIN (Sistema Interligado Nacional), trouxe complexidades adicionais na operação desse sistema. Sendo assim, a previsão da geração de energia a partir de usinas eólicas apresenta importância cada vez maior para a operação otimizada do SIN. O presente trabalho buscou desenvolver um modelo de previsão de geração de energia para um parque eólico com capacidade nominal de 27,3 MW. O modelo é baseado no método das Redes Neurais Artificiais, utilizando uma arquitetura de rede do tipo Multilayer Perceptron. Para a avaliação do desempenho do modelo, uma análise comparativa foi feita utilizando um modelo físico e um de persistência como referência. O modelo baseado em redes neurais obteve o menor erro para todos os testes de validação, apresentando NMAPE médio igual à 9,90% para as primeiras 24 horas de previsão. |
id |
UFRJ_cb5ef95d5a9bd606615767b98cee0a8c |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/17263 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Fujise, Junhttp://lattes.cnpq.br/7046459922353434http://lattes.cnpq.br/2346661522175954Tolmasquim, MauricioProdanoff, Jorge Henrique AlvesFirmo, Heloisa Teixeira2022-06-15T18:25:18Z2023-11-30T03:04:54Z2018-12http://hdl.handle.net/11422/17263Submitted by Tayssa Craveiro (tayssadsc@gmail.com) on 2021-05-03T17:32:09Z No. of bitstreams: 1 monopoli10027416.pdf: 1889008 bytes, checksum: 9c044455f1d16654771c9705a6ea702c (MD5)Approved for entry into archive by Moreno Barros (moreno@ct.ufrj.br) on 2022-06-15T18:25:18Z (GMT) No. of bitstreams: 1 monopoli10027416.pdf: 1889008 bytes, checksum: 9c044455f1d16654771c9705a6ea702c (MD5)Made available in DSpace on 2022-06-15T18:25:18Z (GMT). No. of bitstreams: 1 monopoli10027416.pdf: 1889008 bytes, checksum: 9c044455f1d16654771c9705a6ea702c (MD5) Previous issue date: 2018-12A geração de energia eólica teve um expressivo crescimento nas últimas décadas, atribuído aos diversos benefícios que a fonte traz para o meio ambiente e a sociedade. A expansão do modal pelo mundo e o desenvolvimento de suas tecnologias fizeram com que a operação das usinas fosse cada vez mais otimizada, tornando a eólica tão competitiva quanto outras fontes. No Brasil, a expansão expressiva nos últimos anos do parque eólico integrado ao SIN (Sistema Interligado Nacional), trouxe complexidades adicionais na operação desse sistema. Sendo assim, a previsão da geração de energia a partir de usinas eólicas apresenta importância cada vez maior para a operação otimizada do SIN. O presente trabalho buscou desenvolver um modelo de previsão de geração de energia para um parque eólico com capacidade nominal de 27,3 MW. O modelo é baseado no método das Redes Neurais Artificiais, utilizando uma arquitetura de rede do tipo Multilayer Perceptron. Para a avaliação do desempenho do modelo, uma análise comparativa foi feita utilizando um modelo físico e um de persistência como referência. O modelo baseado em redes neurais obteve o menor erro para todos os testes de validação, apresentando NMAPE médio igual à 9,90% para as primeiras 24 horas de previsão.porUniversidade Federal do Rio de JaneiroUFRJBrasilEscola PolitécnicaCNPQ::ENGENHARIASEnergia eólicaModelos de previsãoRedes neurais artificiaisDesenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiaisDevelopment of wind power prediction model for energy planning using artificial neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINALmonopoli10027416.pdfmonopoli10027416.pdfapplication/pdf1889008http://pantheon.ufrj.br:80/bitstream/11422/17263/1/monopoli10027416.pdf9c044455f1d16654771c9705a6ea702cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/17263/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/172632023-11-30 00:04:54.802oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:04:54Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
dc.title.alternative.pt_BR.fl_str_mv |
Development of wind power prediction model for energy planning using artificial neural networks |
title |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
spellingShingle |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais Fujise, Jun CNPQ::ENGENHARIAS Energia eólica Modelos de previsão Redes neurais artificiais |
title_short |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
title_full |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
title_fullStr |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
title_full_unstemmed |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
title_sort |
Desenvolvimento de modelo de previsão de geração eólica para planejamento energético utilizando redes neurais artificiais |
author |
Fujise, Jun |
author_facet |
Fujise, Jun |
author_role |
author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7046459922353434 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/2346661522175954 |
dc.contributor.author.fl_str_mv |
Fujise, Jun |
dc.contributor.referee1.fl_str_mv |
Tolmasquim, Mauricio |
dc.contributor.referee2.fl_str_mv |
Prodanoff, Jorge Henrique Alves |
dc.contributor.advisor1.fl_str_mv |
Firmo, Heloisa Teixeira |
contributor_str_mv |
Tolmasquim, Mauricio Prodanoff, Jorge Henrique Alves Firmo, Heloisa Teixeira |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS |
topic |
CNPQ::ENGENHARIAS Energia eólica Modelos de previsão Redes neurais artificiais |
dc.subject.por.fl_str_mv |
Energia eólica Modelos de previsão Redes neurais artificiais |
description |
A geração de energia eólica teve um expressivo crescimento nas últimas décadas, atribuído aos diversos benefícios que a fonte traz para o meio ambiente e a sociedade. A expansão do modal pelo mundo e o desenvolvimento de suas tecnologias fizeram com que a operação das usinas fosse cada vez mais otimizada, tornando a eólica tão competitiva quanto outras fontes. No Brasil, a expansão expressiva nos últimos anos do parque eólico integrado ao SIN (Sistema Interligado Nacional), trouxe complexidades adicionais na operação desse sistema. Sendo assim, a previsão da geração de energia a partir de usinas eólicas apresenta importância cada vez maior para a operação otimizada do SIN. O presente trabalho buscou desenvolver um modelo de previsão de geração de energia para um parque eólico com capacidade nominal de 27,3 MW. O modelo é baseado no método das Redes Neurais Artificiais, utilizando uma arquitetura de rede do tipo Multilayer Perceptron. Para a avaliação do desempenho do modelo, uma análise comparativa foi feita utilizando um modelo físico e um de persistência como referência. O modelo baseado em redes neurais obteve o menor erro para todos os testes de validação, apresentando NMAPE médio igual à 9,90% para as primeiras 24 horas de previsão. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-12 |
dc.date.accessioned.fl_str_mv |
2022-06-15T18:25:18Z |
dc.date.available.fl_str_mv |
2023-11-30T03:04:54Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/17263 |
url |
http://hdl.handle.net/11422/17263 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola Politécnica |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/17263/1/monopoli10027416.pdf http://pantheon.ufrj.br:80/bitstream/11422/17263/2/license.txt |
bitstream.checksum.fl_str_mv |
9c044455f1d16654771c9705a6ea702c dd32849f2bfb22da963c3aac6e26e255 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097200556474368 |