Spelling suggestions: "subject:"revisão dde Ventos"" "subject:"revisão dee Ventos""
1 |
Sistemas inteligentes e wavelets para previsão de vento e geração eólicaOLIVEIRA, Josinaldo Bezerra de 31 January 2008 (has links)
Made available in DSpace on 2014-06-12T17:37:49Z (GMT). No. of bitstreams: 2
arquivo5358_1.pdf: 2371419 bytes, checksum: 9e35f2575d714f7e248df41f035db1da (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Vários estudos já comprovaram que o potencial eólico brasileiro,
principalmente no nordeste, onde os ventos têm uma importante característica de
complementaridade em relação às vazões do rio São Francisco, pode contribuir
significativamente para o suprimento de energia elétrica. O aproveitamento deste potencial
eólico aumentaria a capacidade de geração e a diversificação da matriz energética nacional
e, consequentemente, diminuiria os riscos de desabastecimento de energia elétrica.
Entretanto, o uso das forças dos ventos para produção de energia produz alguns
inconvenientes, tais como, a incertezas na geração e a dificuldade no planejamento e
operação do sistema elétrico. Portanto, é imprescindível à aplicação de ferramentas ou
técnicas capazes de predizer a energia a ser fornecida por estas fontes. No Brasil, os
investimentos em fontes alternativas iniciaram-se de forma tímida e tardia, inclusive em
geração eólica. Do ponto de vista de modelos de previsões de ventos e geração eólica, isto
não é diferente. Sendo assim, este trabalho propõe e desenvolve vários modelos de
previsões a partir de técnicas de Redes Neurais Artificiais; Análise de Multiresolução de
sinais usando Transformada Wavelet; e Modelos Estatísticos. Os modelos aqui propostos
foram ajustados para realizar previsões com horizontes variáveis de até vinte e quatro
horas. Estes serviram para uma análise comparativa através dos resultados encontrados
durante os testes dos mesmos, que ajudou a identificar as vantagens e desvantagens de
cada técnica. Além disto, estes poderão ser implementados e desenvolvidos para operação,
mitigando alguns dos inconvenientes da geração eólica de energia
|
2 |
Avaliação de modelos de inteligência artificial para previsão da velocidade de vento em curto prazoSOUZA, Ramon Bezerra de 29 August 2014 (has links)
Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-01-25T18:22:30Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação_Ramon_Bezerra_Souza_versão_final.pdf: 3177211 bytes, checksum: 017ba69bf52dcd924ae27162d811437a (MD5) / Made available in DSpace on 2016-01-25T18:22:30Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação_Ramon_Bezerra_Souza_versão_final.pdf: 3177211 bytes, checksum: 017ba69bf52dcd924ae27162d811437a (MD5)
Previous issue date: 2014-08-29 / CAPES / O Brasil apresenta um amplo potencial eólico a ser explorado, atualmente, observa-se a grande expansão desta fonte de geração, principalmente no nordeste do Brasil, onde os ventos apresentam uma importante característica de complementaridade em relação às vazões do rio São Francisco. Porém, devido à incerteza associada à potência disponível, o aprimoramento das ferramentas de previsão de curto prazo representa um fator determinante para a operação do sistema, contribuindo para facilitar a comercialização de energia elétrica, o controle dos parques eólicos e fornecer uma estimativa futura para determinada localidade. Este trabalho é uma contribuição aos modelos de previsão de velocidades médias horárias dos ventos, para o horizonte de previsão de uma a quatro horas, utilizando as Redes Neurais Artificiais, sistemas Neuro-Fuzzy e o Reservoir Computing como métodos de inteligência artificial e as variáveis velocidade média do vento, umidade do ar, radiação solar e temperatura como entradas dos modelos de previsão. Os resultados obtidos para as previsões com alguns modelos propostos, revelaram ganhos da ordem de 50 % quando comparados com o modelo de referência, ratificando a eficiência dos modelos desenvolvidos. / Brazil has a large wind potential to be exploited, currently, there is a great expansion of this source of generation, primarily in northeastern Brazil, where winds have an important feature of complementarity with the flows San Francisco River. However, due to the uncertainty associated with the available power, the improvement in short-term forecasting tools is a key factor for system operation, helping to facilitate the sale of electricity, control of wind farms and provide an estimate for future Local determined. This work is a contribution to the average speeds hourly forecast models of the winds, to the forecasting horizon of one to four hours, using the Artificial Neural Networks, Neuro-Fuzzy systems and Reservoir Computing as methods of artificial intelligence and speed variables average wind, humidity, solar radiation and temperature as inputs for forecasting models. The results obtained for predictions with some proposed models, showed gains of about 50% compared to the reference model, confirming the efficiency of the developed models.
|
3 |
Previsão de ventos e geração eólica do sistema NE: analisando diversos sítios e buscando a melhor modelagem através da inteligência artificialGOUVEIA, Hugo Tavares Vieira 22 December 2011 (has links)
Submitted by Luiza Maria Pereira de Oliveira (luiza.oliveira@ufpe.br) on 2017-07-20T17:58:36Z
No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf: 2697951 bytes, checksum: c6c11f656ee81de84aeda051d25620c4 (MD5) / Made available in DSpace on 2017-07-20T17:58:36Z (GMT). No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf: 2697951 bytes, checksum: c6c11f656ee81de84aeda051d25620c4 (MD5)
Previous issue date: 2011-12-22 / A previsão de ventos é de extrema importância para auxiliar nos estudos de
planejamento e programação da operação da geração eólica. Vários estudos já
comprovaram que o potencial eólico brasileiro, principalmente no Nordeste, onde os
ventos apresentam uma importante característica de complementaridade em relação às
vazões do rio São Francisco, pode contribuir significativamente para o suprimento de
energia elétrica. Entretanto, o uso das forças dos ventos para produção de energia elétrica produz alguns inconvenientes, tais como, incertezas na geração e a dificuldade no
planejamento e operação do sistema elétrico. Este trabalho propõe e desenvolve modelos
de previsões de velocidades médias horárias de ventos e geração eólica a partir de técnicas de Redes Neurais Artificiais, Lógica Fuzzy e Análise Wavelet. Os modelos foram ajustados para realizar previsões com passos variáveis de até vinte e quatro horas. Para as previsões realizadas com alguns dos modelos desenvolvidos, os ganhos em relação aos modelos de referência foram da ordem de 80% para as previsões com passo de uma hora. Os resultados demonstraram que a Análise Wavelet aliada às ferramentas de inteligência artificial fornecem previsões muito mais confiáveis do que aquelas obtidas com os modelos de referência, principalmente para as previsões com passos de 1 – 6 horas. / Wind forecasting is extremely important to assist in planning and
programming studies for the operation of wind power generation. Several studies have
shown that the Brazilian wind potential can contribute significantly to the supply of
electricity, especially in the Northeast, where the winds have an important feature of
complementarity in relation to the flows of the San Francisco River. However, the use of
of wind to generate electricity has some drawbacks, such as uncertainties in generation and
some difficulty in planning and operation of the power system. This work proposes and
develops models to forecast hourly average wind speeds and wind power generation based
on techniques of Artificial Neural Networks, Fuzzy Logic and Wavelets. The models were
adjusted for forecasting with variable steps up to twenty-four hours ahead. The gain of
some models developed in relation to the reference models were approximately 80% for
forecasts in a period of one hour ahead. The results showed that the wavelet analysis
combined with artificial intelligence tools provide forecasts more reliable than those
obtained with the reference models, especially for forecasts in a period of 1 to 6 hours
ahead.
|
Page generated in 1.2725 seconds