Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Braz, Jean Alexsander Gomes
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/249029
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
id UFSC_49c3cb72c4d40b459c5081871073a204
oai_identifier_str oai:repositorio.ufsc.br:123456789/249029
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquinaInteligência ArtificialBancos de DadosEnergia EólicaAprendizado de MáquinaTCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.A energia eólica é uma das principais tecnologias de eletrificação com enorme potencial de crescimento. É conhecido por sua compatibilidade com o meio ambiente, economizando combustíveis fósseis e reduzindo poluentes. No entanto, embora haja um aumento significativo na capacidade eólica instalada a cada ano, essa ferramenta também acompanha seu próprio conjunto de desafios. Ao contrário das usinas convencionais, a energia eólica é altamente dependente de condições meteorológicas, que tornam a produção de energia difícil de prever. À medida que a integração de energias renováveis, como a energia eólica aumenta, algoritmos preditivos são necessários no atual sistema de energia elétrica, para fornecer previsões confiáveis, ​​para reduzir os riscos técnicos e financeiros de todos participantes do mercado. A tecnologia de mineração de dados constitui-se em solução para extrair, de forma semi automática e inteligente, conhecimento relevante de enormes conjuntos de dados. Este trabalho apresenta uma abordagem de mineração de dados para previsão da velocidade do vento que tem baixo custo, contempla relevantes algoritmos de inteligência artificial e fornece recursos eficientes para tratamento de bancos de dados. A predição de ventos para geração eólica já é estudada há algum tempo utilizando diversas técnicas diferentes, este trabalho tem o diferencial de utilizar de como fonte de dados o MERRA-2 (Retrospectiva da Era Moderna para Pesquisa e Aplicações versão 2) é um conjunto de dados global de reanálise atmosférica desenvolvido pelo NASA's Global Modeling and Assimilation Office (GMAO). Ele fornece informações abrangentes sobre as condições atmosféricas passadas em todo o mundo, combinando observações de satélite, medições em terra e modelos de previsão do tempo estes dados são disponibilizados gratuitamente na internet e podem fornecer parâmetros pontuais em qualquer lugar no mundo mesmo que não tenha um sensor no local onde se deseja obter os dados. O objetivo deste trabalho é realizar uma predição de velocidade de vento de no mínimo uma hora em qualquer ponto utilizando esta fonte de dados, estes dados foram analisados para ver sua qualidade e realizado um tratamento de dados faltantes, foram usados modelos de aprendizado de máquina, como por exemplo o modelo Random Forest Regressor onde foi possível obter um coeficiente de determinação (R²) de aproximadamente 0,96 e um valor NRMSE de 0,0306, além ferramentas de redes neurais recorrente como o LSTM e modelos mais tradicionais como ARIMA.Florianópolis, SC.Lazzarin, Telles BrunelliSilva, Mateus Grellert daUniversidade Federal de Santa Catarina.Braz, Jean Alexsander Gomes2023-07-20T13:07:18Z2023-07-20T13:07:18Z2023-07-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis57 fapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/249029Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-07-20T13:07:19Zoai:repositorio.ufsc.br:123456789/249029Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-07-20T13:07:19Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
title Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
spellingShingle Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
Braz, Jean Alexsander Gomes
Inteligência Artificial
Bancos de Dados
Energia Eólica
Aprendizado de Máquina
title_short Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
title_full Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
title_fullStr Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
title_full_unstemmed Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
title_sort Predição de velocidade de ventos para geração eólica, utilizando aprendizado de máquina
author Braz, Jean Alexsander Gomes
author_facet Braz, Jean Alexsander Gomes
author_role author
dc.contributor.none.fl_str_mv Lazzarin, Telles Brunelli
Silva, Mateus Grellert da
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Braz, Jean Alexsander Gomes
dc.subject.por.fl_str_mv Inteligência Artificial
Bancos de Dados
Energia Eólica
Aprendizado de Máquina
topic Inteligência Artificial
Bancos de Dados
Energia Eólica
Aprendizado de Máquina
description TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
publishDate 2023
dc.date.none.fl_str_mv 2023-07-20T13:07:18Z
2023-07-20T13:07:18Z
2023-07-17
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 https://repositorio.ufsc.br/handle/123456789/249029
url https://repositorio.ufsc.br/handle/123456789/249029
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 57 f
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652357640126464

Registros relacionados