Nowadays, with the increase of electrical load demand, possible shortages of fossil fuels and strict restrictions to deployment of new hydroelectric, has seen a growing awareness for the use of environmentally clean energy source. Thus, the generation of energy through wind has been a widespread alternative in Brazil and the world. However, the accelerated expansion of wind power generation is a challenge because of the need to know the possible impacts in the operation, maintenance and interconnection with the existing energy system. The power generation forecast has been used in order to minimize this challenge, considering that the wind speed does not depend on human intervention. Therefore, in this work have been studied the
potentiality of forecasting models based on artificial neural networks to forecast the wind generation in very short term horizon (a few minutes up to hours ahead) and short term horizon (a few hours up to a few days ahead). / Atualmente, com o aumento da demanda de carga elétrica, possível escassez de combustíveis fósseis e rígidas restrições para implantação de novas hidrelétricas, tem-se observado uma crescente conscientização para uso de uma fonte de energia
ambientalmente limpa. Com isso, a geração de energia através do vento tem sido uma alternativa amplamente difundida no Brasil e no mundo. No entanto, a expansão acelerada da geração de energia eólica é um desafio, devido à necessidade de conhecer os possíveis impactos na operação, manutenção e interligação com o sistema energético existente. A previsão da geração de energia vem sendo empregada com o intuito de
minimizar esse desafio, tendo em vista que a velocidade do vento não depende da intervenção humana. Sendo assim, no presente trabalho têm sido estudadas as potencialidades de utilização dos modelos de previsão baseados em redes neurais artificiais na previsão de geração eólica em horizontes de muito curto prazo (alguns minutos até horas à frente) e curto prazo (algumas horas até alguns dias à frente), com o objetivo de analisar o desempenho para os diferentes horizontes.
| Identifer | oai:union.ndltd.org:IBICT/oai:ri.ufs.br:riufs/5015 |
| Date | 27 February 2015 |
| Creators | Bulhões, Diego Bitencourt |
| Contributors | Cardoso, Carlos Alberto Villacorta |
| Publisher | Universidade Federal de Sergipe, Pós-Graduação em Engenharia Elétrica, UFS, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFS, instname:Universidade Federal de Sergipe, instacron:UFS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds