Modelos híbridos estocástico - matemático para previsão de velocidade do vento
Autor(a) principal: | |
---|---|
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 |