Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/10416
Compartilhar:
Full metadata record
DC FieldValueLanguage
dc.creatorALENCAR, David Barbosa de-
dc.date.accessioned2018-11-20T16:16:59Z-
dc.date.available2018-11-20T16:16:59Z-
dc.date.issued2018-08-30-
dc.identifier.citationALENCAR, David Barbosa de. Modelo híbrido baseado em séries temporais e redes neurais para previsão da geração de energia eólica. 2018. 119 f.Tese (Doutorado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2018. Programa de Pós-Graduação em Engenharia Elétrica. Disponível em: <http://repositorio.ufpa.br/jspui/handle/2011/10416>. Acesso em:.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br/jspui/handle/2011/10416-
dc.description.abstractThe electric power generation through wind turbines is one of the practically inexhaustible alternatives sources of electric power. It is considered a source of clean energy, but still requires a lot of research to develop science and technologies that ensure uniformity in generation, providing a greater participation of this source in the energy matrix in Brazil as in the world, because the wind presents abrupt variations speed, density, and other important variables. In wind-based electrical systems, each forecast horizon is applied to a specific segment, forecast of minutes, hours, weeks, months, and future years of wind behavior, in order to evaluate the availability of energy for the next period, relevant information in the dispatch of the generating units and in the control of the electric system. This thesis aimed to develop ultra-short, short, medium and long-term prediction models of wind speed, based on computational intelligence techniques, using Artificial Neural Networks, SARIMA models and hybrid models and to predict the generation capacity of power for each horizon. For the application of the methodology, the meteorological variables of the database of the national environmental data system SONDA, Petrolina station, were used for the period from January 1st, 2004 to March 31st, 2017. The performance of the models was compared with 5, 10 and 20 steps forward, considering minutes, hours, days, weeks, months and years as the forecast horizon. The hybrid model obtained better response in the forecasts, among which the hour horizon was highlighted.pt_BR
dc.description.provenanceSubmitted by Luciclea Silva (luci@ufpa.br) on 2018-11-20T16:16:30Z No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5)en
dc.description.provenanceApproved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-11-20T16:16:59Z (GMT) No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5)en
dc.description.provenanceMade available in DSpace on 2018-11-20T16:16:59Z (GMT). No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) Previous issue date: 2018-08-30en
dc.description.sponsorshipFAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonaspt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectEnergia eólicapt_BR
dc.subjectvelocidade do ventopt_BR
dc.subjectséries temporaispt_BR
dc.subjectSarimapt_BR
dc.subjectredes neurais artificiaispt_BR
dc.titleModelo híbrido baseado em séries temporais e redes neurais para previsão da geração de energia eólicapt_BR
dc.title.alternativeHybrid model based on time series and neural networks to predict the generation of wind energypt_BR
dc.typeTesept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIApt_BR
dc.contributor.advisor1AFFONSO, Carolina de Mattos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2228901515752720pt_BR
dc.contributor.advisor-co1OLIVEIRA, Roberto Célio Limão de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4497607460894318pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/4890967546423188pt_BR
dc.description.resumoA geração de energia elétrica através de turbinas eólicas é uma das alternativas praticamente inesgotáveis de geração de energia elétrica. Ela é considerada uma fonte de energia limpa, porém ainda necessita de muita pesquisa para desenvolvimento de ciência e tecnologias que assegurem uma uniformidade na geração, propiciando uma maior participação desta fonte na matriz energética tanto no Brasil quanto no mundo, pois o vento apresenta bruscas variações na velocidade, densidade e em outras variáveis importantes. Nos sistemas elétricos de base eólica, cada horizonte de previsão é aplicado em um determinado segmento específico, previsão de minutos, horas, semanas, meses e anos futuros do comportamento do vento, desta forma pode-se avaliar a disponibilidade de energia para o próximo período, uma informação relevante no despacho das unidades geradoras e no controle do sistema elétrico. Esta tese teve como proposta, desenvolver modelos de previsão a ultra curto, curto, médio e longo prazo da velocidade do vento, baseado em técnicas de inteligência computacional, usando modelos de Redes Neurais Artificiais, SARIMA e modelos híbridos e prever a capacidade da geração de potência para cada horizonte. Para aplicação da metodologia utilizou-se as variáveis meteorológicas do banco de dados do sistema de organização nacional de dados ambientais SONDA, estação de Petrolina, do período de 01 de janeiro de 2004 à 31 de março de 2017. O desempenho dos modelos foi comparado com 5, 10 e 20 passos para frente, considerando minutos, horas, dias, semanas, meses e anos como horizonte de previsão. O modelo hibrido obteve melhor resposta na previsões dentre as quais destacou-se o horizonte de horas.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subject.linhadepesquisaSISTEMAS DE POTÊNCIApt_BR
dc.subject.areadeconcentracaoSISTEMAS DE ENERGIA ELÉTRICApt_BR
Appears in Collections:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Tese_Modelohibridobaseado.pdf2,86 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.