Previsão de geração eólica de curto prazo em tempo real baseada em dados observacionais das centrais eólicas e da previsão numérica do tempo

• Ano de defesa: 2019
• Autor(a) principal: LIMA, Fábio Henrique de Andrade
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco; UFPE; Brasil; Programa de Pos Graduacao em Engenharia Mecanica
• Palavras-chave em Português: Engenharia Mecânica; Energia eólica; Previsão em tempo real; Previsão numérica do tempo; Redes neurais
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/33809

Nos últimos anos, a operação do Sistema Interligado Nacional do Brasil foi bastante afetada pelo grande incremento de geração eólica. A crescente participação dessa modalidade intermitente de geração exige que a operação do sistema antecipe a tomada de decisões, de forma a agregar um maior controle de frequência, reserva e fluxos de intercâmbio, além de melhorar a segurança na operação do sistema interligado nesse novo contexto de fontes renováveis e intermitentes. Para permitir que esse controle seja feito de forma confiável, faz-se necessário o uso, por parte da operação, de modelos de previsão de curto prazo da geração eólica. Neste sentido, o objetivo deste trabalho é avaliar modelos de séries temporais de curto prazo para a previsão da potência de saída de centrais eólicas, empregando previsões numéricas do tempo como variáveis exógenas para horizontes de 3 e 6 horas à frente, escalas temporais onde é tomada a maior parte das decisões na operação em tempo real devidas a problemas decorrentes da variação da geração eólica. Para tanto, são utilizadas redes neurais tendo como entradas séries temporais observacionais de potência e estimativas da velocidade do vento oriundas de um modelo geral da circulação atmosférica (General Circulation Model, GCM). Para isto, são utilizados (em modelos de séries temporais de ajuste global) os dados observacionais de 15 centrais eólicas localizadas na região Nordeste do Brasil, monitoradas pelo Operador Nacional do Sistema Elétrico (ONS) e escolhidas em função das características do seu terreno. Realiza-se uma análise de sensibilidade do desempenho dos modelos utilizando informações como altitude, orografia e distância à costa de cada central. Também, verifica-se o comportamento dos modelos em função da arquitetura das redes neurais, do número e do intervalo entre variáveis regressoras de potência e do uso de diferentes pontos da malha do GCM. Conclui-se que o uso de 4 pontos de malha do GCM provoca uma melhora do desempenho dos modelos em centrais localizadas no interior, em orografia complexa e elevada altitude, com destaque para o horizonte de previsão de 6h (o que não ocorre com um modelo puramente estatístico). Também, observa-se uma melhora com o emprego de vetores de variáveis regressoras endógenas cuja distância temporal entre variáveis (time-lag) reproduz o comportamento cíclico diário do vento.