Modelos híbridos estocástico - matemático para previsão de velocidade do vento

Detalhes bibliográficos
Autor(a) principal: Camelo, Henrique do Nascimento
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/26651
Resumo: Nos últimos dez anos, é possível identificar maiores inserções de recursos renováveis de energias para geração de eletricidade na matriz energética nacional, como é o caso da geração eólica. Isto pode ser justificado em diversos aspectos, por exemplo, em relação à fonte eólica que tem exercido importante função na matriz brasileira ao fornecer uma alternativa financeiramente viável à principal geradora de eletricidade do país, como a fonte hidráulica. Outro ponto a favor da geração eólica trata-se da questão ambiental, a utilização deste recurso deve ser encarada sobretudo neste aspecto. Além disso, no Nordeste do Brasil, há a chamada complementariedade, isto quando as vazões dos rios para gerarem energia são baixas, principalmente, segundo semestre do ano, em grande parte da mesma os ventos são, climatologicamente, mais intensos. A quantidade de trabalhos sobre geração eólica no Brasil cresce a cada dia, trazendo benefícios ao setor em particular e fornecendo garantias de exploração dos ventos locais. Nesse sentido este trabalho tem como objetivo apresentar dois modelos híbridos inovadores os quais poderão auxiliar no setor eólico por serem capazes de realizar previsões das velocidades dos ventos com boa acurácia afirmação baseada em medidas de validações dos modelos. Os modelos foram elaborados a partir das combinações matemáticas de dois modelos clássicos de séries temporais (Auto-Regressivo Integrado de Médias Móveis e Entradas Exógenas (ARIMAX) e suavização exponencial com o HoltWinters (HW)) com um modelo de inteligência artificial (Rede Neural Artificial (RNA)). Nas comparações entre as séries temporais (observada e ajustada em termos de médias mensais e horárias) é possível identificar, por exemplo, valor do coeficiente de eficiência Nash-Sutcliffe (NS) de aproximadamente 98%, e também valor de erro percentual em torno de 4,5%, os quais de acordo com a literatura confirmam a boa acurácia dos modelos. Um grande diferencial dos modelos híbridos propostos quando comparado com outros tradicionais da literatura está no fato de que conseguem incorporar as características (linear e não-linear), as quais são frequentemente encontradas em séries temporais, uma condição importante para proporcionar maiores precisões das velocidades do vento previstas fornecendo, desta maneira, maiores reduções de medidas estatísticas de erros, por exemplo, em alguns casos da ordem de 50%,quando comparado com os modelos clássicos que os compõem. Os modelos híbridos propostos podem representar importantes ferramentas norteadoras aos tomadores de decisão do setor de geração eólica no tocante a exploração dos ventos, entretanto, outras áreas de interesse podem ser analisadas quanto à viabilidade dos mesmos.
id UFRN_66e6156923f3a038089a9ed41d041418
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/26651
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Camelo, Henrique do NascimentoAlves, José Maria BraboLeal Júnior, João Bosco VerçosaSakamoto, Meiry SayuriCarvalho, Paulo César Marques deLucio, Paulo Sérgio2019-02-14T22:20:55Z2019-02-14T22:20:55Z2018-11-23CAMELO, Henrique do Nascimento. Modelos híbridos estocástico - matemático para previsão de velocidade do vento. 2018. 138f. Tese (Doutorado em Ciências Climáticas) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018.https://repositorio.ufrn.br/jspui/handle/123456789/26651Nos últimos dez anos, é possível identificar maiores inserções de recursos renováveis de energias para geração de eletricidade na matriz energética nacional, como é o caso da geração eólica. Isto pode ser justificado em diversos aspectos, por exemplo, em relação à fonte eólica que tem exercido importante função na matriz brasileira ao fornecer uma alternativa financeiramente viável à principal geradora de eletricidade do país, como a fonte hidráulica. Outro ponto a favor da geração eólica trata-se da questão ambiental, a utilização deste recurso deve ser encarada sobretudo neste aspecto. Além disso, no Nordeste do Brasil, há a chamada complementariedade, isto quando as vazões dos rios para gerarem energia são baixas, principalmente, segundo semestre do ano, em grande parte da mesma os ventos são, climatologicamente, mais intensos. A quantidade de trabalhos sobre geração eólica no Brasil cresce a cada dia, trazendo benefícios ao setor em particular e fornecendo garantias de exploração dos ventos locais. Nesse sentido este trabalho tem como objetivo apresentar dois modelos híbridos inovadores os quais poderão auxiliar no setor eólico por serem capazes de realizar previsões das velocidades dos ventos com boa acurácia afirmação baseada em medidas de validações dos modelos. Os modelos foram elaborados a partir das combinações matemáticas de dois modelos clássicos de séries temporais (Auto-Regressivo Integrado de Médias Móveis e Entradas Exógenas (ARIMAX) e suavização exponencial com o HoltWinters (HW)) com um modelo de inteligência artificial (Rede Neural Artificial (RNA)). Nas comparações entre as séries temporais (observada e ajustada em termos de médias mensais e horárias) é possível identificar, por exemplo, valor do coeficiente de eficiência Nash-Sutcliffe (NS) de aproximadamente 98%, e também valor de erro percentual em torno de 4,5%, os quais de acordo com a literatura confirmam a boa acurácia dos modelos. Um grande diferencial dos modelos híbridos propostos quando comparado com outros tradicionais da literatura está no fato de que conseguem incorporar as características (linear e não-linear), as quais são frequentemente encontradas em séries temporais, uma condição importante para proporcionar maiores precisões das velocidades do vento previstas fornecendo, desta maneira, maiores reduções de medidas estatísticas de erros, por exemplo, em alguns casos da ordem de 50%,quando comparado com os modelos clássicos que os compõem. Os modelos híbridos propostos podem representar importantes ferramentas norteadoras aos tomadores de decisão do setor de geração eólica no tocante a exploração dos ventos, entretanto, outras áreas de interesse podem ser analisadas quanto à viabilidade dos mesmos.In the last 10 years, it is possible to identify greater insertions of renewable energy resources for electricity generation in the national energy matrix, such as wind generation. This can be justified in several aspects, for example, in relation to the wind power source; it has played an important role in the Brazilian matrix by providing a financially viable alternative to the main electricity generator in the country that is the hydraulic source. Another point in favor of the wind generation is the environmental issue, the use of this resource must be considered in this aspect, in addition in the Northeast of Brazil there is the so-called complementarity, this when the river flows to generate energy are low, second half of the year, in much of it according to climatology the winds are more intense. The amount of work on wind generation in the country grows each day bringing benefits to the particular sector providing guarantees of exploitation of the local winds. In this sense, the objective of this work is to present two innovative hybrid models, which can help in the wind sector, by being able to predict wind velocities with good accuracy based on validation measures of the models. The models were elaborated from the mathematical combinations of two classic time-series models (Integrated Automatic Regressive of Moving Averages and Exogenous inputs (ARIMAX) and Exponen Tial Exponential Smoothing with Holt-Winters - HW) with an artificial intelligence model (Artificial Neural Network (RNA)). In the comparisons between the time series (observed and adjusted in terms of monthly and hourly averages) it is possible to identify, for example, Nash-Sutcliffe (NS) efficiency value of approximately 98%, and also percentage error value around 4.5%, which according to the literature (as will be shown) confirm the good accuracy of the models. A large differential of the proposed hybrid models, when compared to other traditional ones is that they can incorporate both linear and nonlinear characteristics, which are often found in time series, being this important condition to provide greater precision of the velocities of the predicted wind, thus providing greater reductions in statistical error measures (for example, in some cases of the order of 50%) when compared with the classical models that compose them. The proposed hybrid models may represent important tools for decision-makers in the wind generation sector in terms of wind exploitation; however, other areas of interest can be analyzed for their feasibility.Agência Nacional do Petróleo (ANP)porCNPQ::CIENCIAS EXATAS E DA TERRA: CIÊNCIAS CLIMÁTICASSéries temporaisBox-JenkinsHolt-WintersInteligência artificialNordeste brasileiroModelos híbridos estocástico - matemático para previsão de velocidade do ventoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS CLIMÁTICASUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTModeloshíbridosestocástico_Camelo_2018.pdf.txtModeloshíbridosestocástico_Camelo_2018.pdf.txtExtracted texttext/plain273287https://repositorio.ufrn.br/bitstream/123456789/26651/2/Modelosh%c3%adbridosestoc%c3%a1stico_Camelo_2018.pdf.txtd120648b0694f2d20095312ccb1ab918MD52THUMBNAILModeloshíbridosestocástico_Camelo_2018.pdf.jpgModeloshíbridosestocástico_Camelo_2018.pdf.jpgIM Thumbnailimage/jpeg3141https://repositorio.ufrn.br/bitstream/123456789/26651/3/Modelosh%c3%adbridosestoc%c3%a1stico_Camelo_2018.pdf.jpgd4981937a49afb2b4f0dc68cf56fa421MD53ORIGINALModeloshíbridosestocástico_Camelo_2018.pdfapplication/pdf10533483https://repositorio.ufrn.br/bitstream/123456789/26651/1/Modelosh%c3%adbridosestoc%c3%a1stico_Camelo_2018.pdfc2f3e3fb2de107eeb6eacabfdb309a12MD51123456789/266512019-02-15 01:35:48.39oai:https://repositorio.ufrn.br:123456789/26651Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-02-15T04:35:48Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Modelos híbridos estocástico - matemático para previsão de velocidade do vento
title Modelos híbridos estocástico - matemático para previsão de velocidade do vento
spellingShingle Modelos híbridos estocástico - matemático para previsão de velocidade do vento
Camelo, Henrique do Nascimento
CNPQ::CIENCIAS EXATAS E DA TERRA: CIÊNCIAS CLIMÁTICAS
Séries temporais
Box-Jenkins
Holt-Winters
Inteligência artificial
Nordeste brasileiro
title_short Modelos híbridos estocástico - matemático para previsão de velocidade do vento
title_full Modelos híbridos estocástico - matemático para previsão de velocidade do vento
title_fullStr Modelos híbridos estocástico - matemático para previsão de velocidade do vento
title_full_unstemmed Modelos híbridos estocástico - matemático para previsão de velocidade do vento
title_sort Modelos híbridos estocástico - matemático para previsão de velocidade do vento
author Camelo, Henrique do Nascimento
author_facet Camelo, Henrique do Nascimento
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.referees1.none.fl_str_mv Alves, José Maria Brabo
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees2.none.fl_str_mv Leal Júnior, João Bosco Verçosa
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees3.none.fl_str_mv Sakamoto, Meiry Sayuri
dc.contributor.referees3ID.pt_BR.fl_str_mv
dc.contributor.referees4.none.fl_str_mv Carvalho, Paulo César Marques de
dc.contributor.referees4ID.pt_BR.fl_str_mv
dc.contributor.author.fl_str_mv Camelo, Henrique do Nascimento
dc.contributor.advisor1.fl_str_mv Lucio, Paulo Sérgio
contributor_str_mv Lucio, Paulo Sérgio
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA: CIÊNCIAS CLIMÁTICAS
topic CNPQ::CIENCIAS EXATAS E DA TERRA: CIÊNCIAS CLIMÁTICAS
Séries temporais
Box-Jenkins
Holt-Winters
Inteligência artificial
Nordeste brasileiro
dc.subject.por.fl_str_mv Séries temporais
Box-Jenkins
Holt-Winters
Inteligência artificial
Nordeste brasileiro
description Nos últimos dez anos, é possível identificar maiores inserções de recursos renováveis de energias para geração de eletricidade na matriz energética nacional, como é o caso da geração eólica. Isto pode ser justificado em diversos aspectos, por exemplo, em relação à fonte eólica que tem exercido importante função na matriz brasileira ao fornecer uma alternativa financeiramente viável à principal geradora de eletricidade do país, como a fonte hidráulica. Outro ponto a favor da geração eólica trata-se da questão ambiental, a utilização deste recurso deve ser encarada sobretudo neste aspecto. Além disso, no Nordeste do Brasil, há a chamada complementariedade, isto quando as vazões dos rios para gerarem energia são baixas, principalmente, segundo semestre do ano, em grande parte da mesma os ventos são, climatologicamente, mais intensos. A quantidade de trabalhos sobre geração eólica no Brasil cresce a cada dia, trazendo benefícios ao setor em particular e fornecendo garantias de exploração dos ventos locais. Nesse sentido este trabalho tem como objetivo apresentar dois modelos híbridos inovadores os quais poderão auxiliar no setor eólico por serem capazes de realizar previsões das velocidades dos ventos com boa acurácia afirmação baseada em medidas de validações dos modelos. Os modelos foram elaborados a partir das combinações matemáticas de dois modelos clássicos de séries temporais (Auto-Regressivo Integrado de Médias Móveis e Entradas Exógenas (ARIMAX) e suavização exponencial com o HoltWinters (HW)) com um modelo de inteligência artificial (Rede Neural Artificial (RNA)). Nas comparações entre as séries temporais (observada e ajustada em termos de médias mensais e horárias) é possível identificar, por exemplo, valor do coeficiente de eficiência Nash-Sutcliffe (NS) de aproximadamente 98%, e também valor de erro percentual em torno de 4,5%, os quais de acordo com a literatura confirmam a boa acurácia dos modelos. Um grande diferencial dos modelos híbridos propostos quando comparado com outros tradicionais da literatura está no fato de que conseguem incorporar as características (linear e não-linear), as quais são frequentemente encontradas em séries temporais, uma condição importante para proporcionar maiores precisões das velocidades do vento previstas fornecendo, desta maneira, maiores reduções de medidas estatísticas de erros, por exemplo, em alguns casos da ordem de 50%,quando comparado com os modelos clássicos que os compõem. Os modelos híbridos propostos podem representar importantes ferramentas norteadoras aos tomadores de decisão do setor de geração eólica no tocante a exploração dos ventos, entretanto, outras áreas de interesse podem ser analisadas quanto à viabilidade dos mesmos.
publishDate 2018
dc.date.issued.fl_str_mv 2018-11-23
dc.date.accessioned.fl_str_mv 2019-02-14T22:20:55Z
dc.date.available.fl_str_mv 2019-02-14T22:20:55Z
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 CAMELO, Henrique do Nascimento. Modelos híbridos estocástico - matemático para previsão de velocidade do vento. 2018. 138f. Tese (Doutorado em Ciências Climáticas) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/26651
identifier_str_mv CAMELO, Henrique do Nascimento. Modelos híbridos estocástico - matemático para previsão de velocidade do vento. 2018. 138f. Tese (Doutorado em Ciências Climáticas) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018.
url https://repositorio.ufrn.br/jspui/handle/123456789/26651
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.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS CLIMÁTICAS
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/26651/2/Modelosh%c3%adbridosestoc%c3%a1stico_Camelo_2018.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/26651/3/Modelosh%c3%adbridosestoc%c3%a1stico_Camelo_2018.pdf.jpg
https://repositorio.ufrn.br/bitstream/123456789/26651/1/Modelosh%c3%adbridosestoc%c3%a1stico_Camelo_2018.pdf
bitstream.checksum.fl_str_mv d120648b0694f2d20095312ccb1ab918
d4981937a49afb2b4f0dc68cf56fa421
c2f3e3fb2de107eeb6eacabfdb309a12
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832672655015936