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

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-04-26T17:55:41Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTAÇÃO Jonata Campelo de Albuquerque.pdf: 6416251 bytes, checksum: 40ff842465c2788b57659257c840f35a (MD5) / Made available in DSpace on 2016-04-26T17:55:41Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTAÇÃO Jonata Campelo de Albuquerque.pdf: 6416251 bytes, checksum: 40ff842465c2788b57659257c840f35a (MD5) Previous issue date: 2015-10-23 / CNPQ / Nesta dissertação se propõe modelos de previsão de geração eólica baseados em técnicas de Inteligência Artificial (IA), tais como aplicações de Redes Neurais Artificiais (RNAs) e Sistemas de Inferência Fuzzy (SIFs). Tais previsões foram realizadas de forma horária, sendo os horizontes de 1h à 24h, classificando os modelos como previsores de curto prazo. Atrelada à presciência respectiva de cada modelo de entrada, estão as predições de velocidades médias ou velocidades médias e direções médias do vento. Estas são utilizadas como entradas para modelos de curva de potência dos parques eólicos em análise, nos quais dependendo do modelo em questão, esta poderá ser uma RNA ou um SIF. Tal aplicação é feita para dois parques reais descritos ao longo deste trabalho. Ao fim, faz-se uma comparação entre tais modelos, na qual o desempenho obtido revela-se bastante competitivo em termos de acurácia nas previsões de geração eólica dos SIFs em relação às RNAs / This paper proposes and develops models for wind power prediction, based on Artificial Intelligence concepts with regard to ANN applications (Artificial Neural Networks) and FIS (Fuzzy Inference System). Such models have application time horizon, which is 24 hours, which is why the models are short term denominated. Linked to their foreknowledge of each model are predictions of medium and / or medium speeds directions, which serve as input for a specific power curve of the park in question. Where depending on the model in question, it may be an artificial neural network or Fuzzy inference block, such a study is made for two typical parks described throughout this work. At the end, makes a comparison between these models showing the highly competitive performance in terms of power efficiency in predictions, the Fuzzy inference blocks in relation to neural networks.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Load forecasting is a very important activity on electric power system operation and planning, because many studies on electricity sector depend on future behavior of the system, requiring the electricity demand forecast for its realization. The very short-term load forecasting has a horizon of few minutes to a few hours and it seeks to translate more accurately the instantaneous profile of load. There are several factors that should be considered in forecasting methods, climatic variables have a major influence on demand trends in the very short term, therefore, they should be incorporated into the projection model. In Brazil, has been growing use of electricity production through the photovoltaic generation, so, for this feature to be used efficiently, energy produced by the solar panels forecast is a tool that contributes to this type of energy act reliably. The main objective of this work is to develop a methodology for load and solar power generation forecasting in the very short-term considering the influence the climatic variables. The methodology for load, wind and solar power generation forecasting considers the climatic variables: temperature, relative humidity, wind speed, solar radiation and atmospheric pressure. The study presents data load for a typical year of a substation of the metropolitan region of Rio Grande do Sul, analyzed with data from a weather station in the region. For calculate the solar power generation forecasting the method uses a model that considers the solar radiation and the temperature to calculate the power produced by the photovoltaic module. The method for the forecast was performed using Excel VBA tool, by grouping the load and climate variables data of history and is based on multiple linear regression. The projection algorithm was tested and compared computationally, based on actual data, presenting significant results, because as it is projected to hours ahead, the data is updated with the actual data every hour, reducing forecast errors, confirming that the considered climatic variables are very important to refine load and generation forecasting methods, essential for system planning. Compared to other existing methods, the proposed method stands out by the fact to consider climatic variables for the projection, and uses the methodology to perform the projection of solar power generation. / A previsão de carga é uma atividade de grande importância inserida na operação e no planejamento do sistema elétrico de potência, pois muitos estudos referentes ao setor elétrico dependem do comportamento futuro do sistema, sendo necessária a previsão de demanda de energia elétrica para sua realização. A previsão de demanda de eletricidade para curtíssimo prazo possui um horizonte de poucos minutos até algumas horas e ela procura traduzir com maior exatidão o perfil instantâneo da carga. Há vários fatores que devem ser considerados nos métodos de previsão, as variáveis climáticas apresentam grande influência na evolução de demanda no curtíssimo prazo, portanto, devem ser incorporadas no modelo de projeção. No Brasil, tem sido crescente a utilização da produção de energia elétrica através da geração fotovoltaica, sendo assim, para que esse recurso seja utilizado de forma eficiente, a previsão da energia produzida pelos painéis solares é uma ferramenta que contribui para que esse tipo de energia atue de forma confiável. O objetivo principal deste trabalho é o desenvolvimento de uma metodologia para previsão de carga e geração de energia solar para o horizonte de curtíssimo prazo, considerando a influência das variáveis climáticas. A metodologia para previsão de carga e geração de energia solar considera as variáveis climáticas: temperatura ambiente, umidade relativa do ar, velocidade do vento, radiação solar e pressão atmosférica. O estudo apresenta dados de carga de uma subestação da região metropolitana do estado do Rio Grande do Sul, analisados com dados de uma estação meteorológica da região. Para o cálculo da previsão da geração solar o método utiliza um modelo que considera a radiação solar e a temperatura para o cálculo da potência produzida pelo módulo fotovoltaico. O método para a previsão foi realizado utilizando a ferramenta VBA do Excel, através do agrupamento dos dados de carga e das variáveis climáticas do histórico e baseia-se na regressão linear múltipla. O algoritmo de previsão foi testado e comparado computacionalmente com base nos dados reais, apresentando resultados significativos, pois como a projeção é para horas a frente, os dados são atualizados com os dados reais a cada hora, diminuindo os erros da previsão, confirmando que as variáveis climáticas consideradas tem grande importância para refinar métodos de previsão de carga e geração de energia solar, fundamental para o planejamento do sistema elétrico. Em relação aos demais métodos já existentes, o método proposto se destaca pelo fato de considerar variáveis climáticas para a projeção de carga, e utiliza a metodologia para realizar a projeção da geração solar.

Impulsionado pela mecânica de leilões de energia, o aproveitamento energético de recursos eólicos no Brasil atravessa um momento de expansão em participação na matriz de energia elétrica nacional. Não obstante, o desempenho da geração dos parques eólicos que estão em operação foi monitorado e apresentou, em média, resultados aquém daquilo que fora confiado ao Sistema Interligado Nacional, revelando que as estimativas de geração projetadas e declaradas por alguns dos projetos vencedores dos processos licitatórios podem ter sido supervalorizadas. Tal cenário provocou a exigência de medidas mais conservadoras para participação nos leilões de energia, como a já vigente adoção do P90 no cálculo da Garantia Física e o aumento da duração da campanha de medição anemométrica, a entrar em rigor a partir de 2017. Sendo o vento uma variável estocástica, existem incertezas intrínsecas à Avaliação de Recursos Eólicos que influenciam no processo de estimação da geração por um parque eólico e que devem, desta forma, ser identificadas, quantificadas e reduzidas, na medida do possível. Nesse sentido, este trabalho estuda a influência da duração da campanha de medição anemométrica na Avaliação de Recursos Eólicos com base na aplicação do método MCP ferramenta imprescindível no processo de caracterização do regime eólico no longo prazo com vistas para aprimorar a exatidão das previsões de geração pela fonte eólica. Para tanto, foram utilizadas quatro bases de dados contendo séries temporais de velocidade e direção do vento referentes a uma região de interesse. Inicialmente, nove diferentes métodos MCP foram testados e comparados, sendo que o método Vertical Slice aplicado com auxílio do software Windographer destacou-se dos demais e mostrou-se mais aderente aos dados utilizados conforme as métricas de Erro Absoluto Médio e Raiz Quadrada do Erro Quadrático Médio. Posteriormente, as bases de dados foram configuradas para simular campanhas de medição anemométricas com durações que variavam de 2 a 6 anos, de modo a avaliar o comportamento da incerteza relativa à caracterização histórica de recursos eólicos e analisar em que medida esta incerteza impacta no cálculo da estimativa de geração de eletricidade por um conjunto de aerogeradores hipoteticamente dispostos naquele local de interesse. Foi possível verificar que, para os dados e casos analisados, à medida que se aumentou a duração da campanha de medição anemométrica, a incerteza da caracterização histórica de recursos eólicos sofreu queda significativa; determinando, por conseguinte, redução da incerteza total que permeia a geração eólica. Ademais, a quantidade de energia estimada para o parque eólico hipotético exemplificado também decresceu, permitindo melhora na acurácia da previsão de geração e beneficiando a confiabilidade da fonte eólica no sistema elétrico brasileiro. / Driven by the energy auctions system, the energetic harnessing of wind resource in Brazil is now going through a phase of expansion in participation in the national electric energy mix. Nevertheless, the performance of power generation of in-operation wind farms was monitored and the results proved to be, on average, below what was initially entrusted to the National Grid System, indicating that the energy production estimations projected by some energy auctions winners could have been overestimated. This scenario has caused the requirements for participating in the energy auctions to be more conservative, with measures such as the adoption of the P90 on the calculation of the physical guarantee and the increase of the wind measurement campaigns time span the latter to be enforced as of 2017. The wind is a stochastic resource, hence there are uncertainties intrinsic to the Wind Resource Assessment that influence a wind farms power generation estimation and that need to be properly identified, quantified and reduced, as far as possible. In this respect, the influence of a wind measurement campaigns time span on the Wind Resource Assessment based on MCP methods an important tool in the process of characterizing the long-term wind regime was studied in order to detect the potential of enhancing the accuracy of wind power generation forecasts. For this purpose, four databases containing time series of wind speed and direction belonging to a target site were used. Firstly, nine different MCP methods were tested and compared, of which the Vertical Slice method implemented on the software Windographer outperformed all the others according to the Mean Absolute Error and Root Mean Square Error metrics. Subsequently, the databases were set to simulate campaigns with time spans varying from 2 to 6 years, in such a way to evaluate the behavior of the uncertainty in the long-term wind speed and to analyze how this uncertainty impacts the calculation of the energy production estimation of an array of wind turbines hypothetically placed on that target site. From the analyzed data and cases, it was verified that, as the wind measurement campaigns time span was increased, the uncertainty in the long-term wind speed was significantly diminished, thereby reducing the overall uncertainty that pervades the wind power harnessing. Furthermore, the energy production estimation of the exemplified hypothetical wind farm also decreased, allowing an improvement on the accuracy of the energy generation prediction and benefiting the reliability of wind power in the Brazilian electric system.

Impulsionado pela mecânica de leilões de energia, o aproveitamento energético de recursos eólicos no Brasil atravessa um momento de expansão em participação na matriz de energia elétrica nacional. Não obstante, o desempenho da geração dos parques eólicos que estão em operação foi monitorado e apresentou, em média, resultados aquém daquilo que fora confiado ao Sistema Interligado Nacional, revelando que as estimativas de geração projetadas e declaradas por alguns dos projetos vencedores dos processos licitatórios podem ter sido supervalorizadas. Tal cenário provocou a exigência de medidas mais conservadoras para participação nos leilões de energia, como a já vigente adoção do P90 no cálculo da Garantia Física e o aumento da duração da campanha de medição anemométrica, a entrar em rigor a partir de 2017. Sendo o vento uma variável estocástica, existem incertezas intrínsecas à Avaliação de Recursos Eólicos que influenciam no processo de estimação da geração por um parque eólico e que devem, desta forma, ser identificadas, quantificadas e reduzidas, na medida do possível. Nesse sentido, este trabalho estuda a influência da duração da campanha de medição anemométrica na Avaliação de Recursos Eólicos com base na aplicação do método MCP ferramenta imprescindível no processo de caracterização do regime eólico no longo prazo com vistas para aprimorar a exatidão das previsões de geração pela fonte eólica. Para tanto, foram utilizadas quatro bases de dados contendo séries temporais de velocidade e direção do vento referentes a uma região de interesse. Inicialmente, nove diferentes métodos MCP foram testados e comparados, sendo que o método Vertical Slice aplicado com auxílio do software Windographer destacou-se dos demais e mostrou-se mais aderente aos dados utilizados conforme as métricas de Erro Absoluto Médio e Raiz Quadrada do Erro Quadrático Médio. Posteriormente, as bases de dados foram configuradas para simular campanhas de medição anemométricas com durações que variavam de 2 a 6 anos, de modo a avaliar o comportamento da incerteza relativa à caracterização histórica de recursos eólicos e analisar em que medida esta incerteza impacta no cálculo da estimativa de geração de eletricidade por um conjunto de aerogeradores hipoteticamente dispostos naquele local de interesse. Foi possível verificar que, para os dados e casos analisados, à medida que se aumentou a duração da campanha de medição anemométrica, a incerteza da caracterização histórica de recursos eólicos sofreu queda significativa; determinando, por conseguinte, redução da incerteza total que permeia a geração eólica. Ademais, a quantidade de energia estimada para o parque eólico hipotético exemplificado também decresceu, permitindo melhora na acurácia da previsão de geração e beneficiando a confiabilidade da fonte eólica no sistema elétrico brasileiro. / Driven by the energy auctions system, the energetic harnessing of wind resource in Brazil is now going through a phase of expansion in participation in the national electric energy mix. Nevertheless, the performance of power generation of in-operation wind farms was monitored and the results proved to be, on average, below what was initially entrusted to the National Grid System, indicating that the energy production estimations projected by some energy auctions winners could have been overestimated. This scenario has caused the requirements for participating in the energy auctions to be more conservative, with measures such as the adoption of the P90 on the calculation of the physical guarantee and the increase of the wind measurement campaigns time span the latter to be enforced as of 2017. The wind is a stochastic resource, hence there are uncertainties intrinsic to the Wind Resource Assessment that influence a wind farms power generation estimation and that need to be properly identified, quantified and reduced, as far as possible. In this respect, the influence of a wind measurement campaigns time span on the Wind Resource Assessment based on MCP methods an important tool in the process of characterizing the long-term wind regime was studied in order to detect the potential of enhancing the accuracy of wind power generation forecasts. For this purpose, four databases containing time series of wind speed and direction belonging to a target site were used. Firstly, nine different MCP methods were tested and compared, of which the Vertical Slice method implemented on the software Windographer outperformed all the others according to the Mean Absolute Error and Root Mean Square Error metrics. Subsequently, the databases were set to simulate campaigns with time spans varying from 2 to 6 years, in such a way to evaluate the behavior of the uncertainty in the long-term wind speed and to analyze how this uncertainty impacts the calculation of the energy production estimation of an array of wind turbines hypothetically placed on that target site. From the analyzed data and cases, it was verified that, as the wind measurement campaigns time span was increased, the uncertainty in the long-term wind speed was significantly diminished, thereby reducing the overall uncertainty that pervades the wind power harnessing. Furthermore, the energy production estimation of the exemplified hypothetical wind farm also decreased, allowing an improvement on the accuracy of the energy generation prediction and benefiting the reliability of wind power in the Brazilian electric system.