[pt] Como resultado do processo de contração de novos Leilões de energia eólica e a
entrada em operação de novos parques eólicos ao sistema elétrico Brasileiro, é necessário
que o planejamento da operação das atividades de curto prazo como a regulação,
atendimento da carga, balanceamento e programação do despacho das unidades geradoras
entre outras atividades, seja efetuado de tal que os riscos técnicos e financeiros sejam
minimizados. Porém esta não é uma tarefa simples, já que fornecer previsões exatas para
esse processo apresenta uma série de desafios, como a incorporação da incerteza no
cálculo das previsões. Daqui que a literatura técnica reporta diversas técnicas que
proporcionam estimativas da densidade de probabilidade de geração de energia eólica,
pois tais estimações permitem obter previsões da densidade de probabilidade para a
energia eólica. Neste contexto, a previsão da velocidade do vento nos aproveitamentos
eólicos passa a ser uma informação fundamental para os modelos de apoio à decisão que
suportam a operação econômica e segura dos sistemas elétricos, pois a maioria dos
modelos precisa da previsão da velocidade do vento para calcular a previsão da energia
eólica. Este trabalho apresenta uma proposta uma estratégia de especificação não
paramétrica para a previsão da geração de energia eólica, empregando a comumente
conhecida densidade condicional por kernel, o qual permite calcular a função densidade
de probabilidade da produção eólica para qualquer horizonte de tempo, condicionada à
previsão da velocidade do vento obtida através da aplicação da metodologia de Análise
Espectral Singular (SSA) para previsão. A metodologia foi validada com sucesso usando
a série temporal das medias horárias da velocidade do vento e da produção eólica de um
parque eólico Brasileiro. Os resultados foram comparados contra outras metodologias
para a previsão da velocidade do vento, onde a abordagem não paramétrica proposta
produz resultados muito proeminentes. / [en] As a result of the new contracting process wind power auctions and the entrance into operation of new wind farms to the Brazilian electrical system, it is requires that the planning of the operation of short-term activities such as regulation, balancing and programming dispatch of units commitment among other activities, is made such that the technical and financial risks are minimized. But this is not a simple task, since providing accurate forecasts for this process presents several challenges, as the incorporation of uncertainty in the calculation of the forecasts. Hence the technical literature reports several techniques that provide estimates of the probability of wind power generation density, because such estimates allow to obtain forecasts of the wind power probability density function. In this context, wind speed forecasting in wind farms becomes essential information for decision support models which helps the economic and safe operation of electrical systems, due to the fact that most of the models need to the wind speed predictions for forecasting wind energy. This thesis proposes a non-parametric specification strategy for forecasting of wind power generation, using the commonly known conditional kernel density estimation, which allows the estimation of the probability density function of wind power generation for any time horizon, conditioned on wind speed forecast obtained by applying the Singular Spectrum Analysis methodology (SSA). The methodology has been successfully validated using the time series of wind speed and hourly averages of wind production of a Brazilian wind farm. The results were compared against other methodologies for wind speed prediction, and the proposed non-parametric approach produced very prominent results.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26821 |
| Date | 11 July 2016 |
| Creators | SORAIDA AGUILAR VARGAS |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0024 seconds