[pt] O aumento da participação de fontes de energias renováveis variáveis
(ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e à
operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das
ERVs. Tais desafios envolvem a modelagem e simulação dos processos
intermitentes de geração e, dessa forma, um volume considerável de pesquisas
tem sido direcionado ao tema. Nesse contexto, um tópico de crescente
importância na literatura relaciona-se ao desenvolvimento de metodologias para
simulação estocástica conjunta de recursos intermitentes com características
complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir
com essa temática, este trabalho propõe melhorias a um modelo de simulação
já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do
Nordeste brasileiro. A metodologia proposta baseia-se em discretização das
séries temporais de energia aplicando a técnica de machine learning k-means,
construção de matrizes de transição de estados com base nos clusters
identificados e simulação de Monte Carlo para obtenção dos cenários. As séries
sintéticas obtidas são comparadas aos resultados gerados pelo modelo já
estabelecido na literatura a partir de técnicas estatísticas. Quanto ao alcance dos
objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente,
gerando cenários que reproduziram satisfatoriamente todas as características
dos dados históricos avaliadas. / [en] The increased participation of variable renewable energy sources (VRES) in
Brazil s electricity matrix brings several challenges to the planning and operation
of the Brazilian Power System (BPS), due to the VRES stochasticity. Such
challenges involve the modeling and simulation of intermittent generation
processes and, in this context, a considerable amount of research has been
directed to the theme. In this context, a topic of increasing importance in the
literature is related to the development of methodologies for joint stochastic
simulation of intermittent resources with complementary characteristics, such as
wind and solar sources. Aiming to contribute to this theme, this work proposes
improvements in a simulation model already established in the literature,
evaluating its applicability based on Brazilian Northeast data. The proposed
methodology is based on the discretization of energy time series applying the kmeans machine learning technique, construction of state transition matrices
based on the identified clusters, and Monte Carlo simulation to obtain the
scenarios. The synthetic series obtained are compared to the results generated
by the model already established in the literature from statistical techniques.
Regarding the scope of the research objectives, the proposed modeling
demonstrated more promising results, generating scenarios that satisfactorily
reproduced all the evaluated characteristics of the historical data.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:60660 |
| Date | 27 September 2022 |
| Creators | GUSTAVO DE ANDRADE MELO |
| Contributors | FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0029 seconds