Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: ALBUQUERQUE, Jonata Campelo de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Engenharia Eletrica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Engenharia elétrica
Curva de potência
Melhoria da previsão
Inferência pré-estabelecida
Redes iniciais de aprendizagem profunda
Modelos de geração eólica
Curto prazo
Link de acesso: https://repositorio.ufpe.br/handle/123456789/42252
Resumo: A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.
id UFPE_f7226712b538cdf85105a03234475cff
oai_identifier_str oai:repositorio.ufpe.br:123456789/42252
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazoEngenharia elétricaCurva de potênciaMelhoria da previsãoInferência pré-estabelecidaRedes iniciais de aprendizagem profundaModelos de geração eólicaCurto prazoA modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.CAPESThe modeling of a power curve is a crucial factor for the performance and operation of a wind source, contributing from the control to the improvement in the performance of a turbine or park. There are currently several techniques for adjusting this factor, whose methods are known as parametric and non-parametric. The latter create their own heuristics, depending on a specific characteristic or trend of how the data (winds x power) of a wind farm or turbine varies. This Thesis aims to demonstrate that it is possible to increase the accuracy of wind generation forecast in the short term with the use of some original techniques that use pre-established inference in fuzzy systems and deep learning techniques such as autoencoders and deep learning networks of the LSTM type. Two new heuristics explained in the course of the work were developed and they were compared with the models already developed by the author in previous works. The results are significant both with regard to forecasting wind component data, such as speed and direction, as well as the power forecast linked to the application of the developed power curve models. Thus, the new models and heuristics developed were effective and innovative, contributing to a notable improvement in the performance of forecasts in wind generation models in the short term.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em Engenharia EletricaAQUINO, Ronaldo Ribeiro Barbosa deLIRA, Milde Maria da Silvahttp://lattes.cnpq.br/5687742384234807http://lattes.cnpq.br/0731639653204720http://lattes.cnpq.br/4050206806464524ALBUQUERQUE, Jonata Campelo de2021-12-14T22:42:12Z2021-12-14T22:42:12Z2021-07-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfALBUQUERQUE, Jonata Campelo de. Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/42252porhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2021-12-15T05:12:53Zoai:repositorio.ufpe.br:123456789/42252Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-12-15T05:12:53Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
title Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
spellingShingle Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
ALBUQUERQUE, Jonata Campelo de
Engenharia elétrica
Curva de potência
Melhoria da previsão
Inferência pré-estabelecida
Redes iniciais de aprendizagem profunda
Modelos de geração eólica
Curto prazo
title_short Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
title_full Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
title_fullStr Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
title_full_unstemmed Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
title_sort Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo
author ALBUQUERQUE, Jonata Campelo de
author_facet ALBUQUERQUE, Jonata Campelo de
author_role author
dc.contributor.none.fl_str_mv AQUINO, Ronaldo Ribeiro Barbosa de
LIRA, Milde Maria da Silva
http://lattes.cnpq.br/5687742384234807
http://lattes.cnpq.br/0731639653204720
http://lattes.cnpq.br/4050206806464524
dc.contributor.author.fl_str_mv ALBUQUERQUE, Jonata Campelo de
dc.subject.por.fl_str_mv Engenharia elétrica
Curva de potência
Melhoria da previsão
Inferência pré-estabelecida
Redes iniciais de aprendizagem profunda
Modelos de geração eólica
Curto prazo
topic Engenharia elétrica
Curva de potência
Melhoria da previsão
Inferência pré-estabelecida
Redes iniciais de aprendizagem profunda
Modelos de geração eólica
Curto prazo
description A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.
publishDate 2021
dc.date.none.fl_str_mv 2021-12-14T22:42:12Z
2021-12-14T22:42:12Z
2021-07-12
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.uri.fl_str_mv ALBUQUERQUE, Jonata Campelo de. Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.
https://repositorio.ufpe.br/handle/123456789/42252
identifier_str_mv ALBUQUERQUE, Jonata Campelo de. Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo. 2021. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Pernambuco, Recife, 2021.
url https://repositorio.ufpe.br/handle/123456789/42252
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Engenharia Eletrica
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Engenharia Eletrica
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856042054501531648

Registros relacionados