Aplicação de técnicas de aprendizado de máquina e decisões orientadas a dados no setor eólico brasileiro

• Autor(a) principal: Paula, Matheus Pussaignolli de
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/216531
• topic: Energia eólica; Inteligência artificial; Aprendizado do computador

Nos últimos anos tem-se observado uma forte ascensão das energias renováveis no cenário energético nacional. Dentre os principais sorvedouros desse tipo de energia, a energia eólica tem desempenhado um papel primordial, em especial, devido a sua intensa predominância na região Nordeste e Sul do Brasil. Entretanto, mesmo possuindo diversas vantagens, a energia eólica pode ser suscetível à altas variações de potência elétrica gerada, devido a características específicas climáticas e físicas como solo, temperatura, umidade do ar, entre outras. Assim, dentro desse contexto, este trabalho de conclusão de curso visa investigar a problemática de previsão de potência elétrica gerada no Parque Eólico de Praia Formosa a partir de dados disponibilizados pela Operador Nacional do Sistema Elétrico (ONS) e pelo Instituto Nacional de Meteorologia (INMET), com o intuito de colaborar na elaboração de planejamentos energéticos que sejam mais assertivos para o setor energético nacional. Nesse contexto, a fim de investigar tais conjuntos de dados para a realização da predição de potência elétrica, foram adotadas técnicas de Aprendizado de Máquina (AM), sendo elas: Máquinas Vetores de Suporte (Support Vector Machines), Aumento Extremo de Gradiente (Extreme Gradient Boosting), Aumento de Gradiente (Gradient Boosting), Redes Neurais Artificiais Multicamadas (RNA Multilayer Perceptron), e Árvores de Decisão via Floresta Aleatória (Random Forest).