[pt] A presente dissertação se insere no contexto da energia eólica, que é a
fonte de energia que mais cresce na matriz elétrica brasileira, segundo dados da
Empresa de Pesquisa de Energia (EPE), com projeções para que esse
crescimento se mantenha. Com isso, a principal motivação do presente trabalho
é o fato de que desenvolver e aplicar métodos de previsão cada vez mais precisos
para as variáveis determinantes na produção de energia eólica em um
aerogerador, como a velocidade do vento, é de crucial importância para o
planejamento da operação do sistema elétrico nacional. Logo, o objetivo
principal do trabalho é adaptar e aplicar uma metodologia de previsão de séries
temporais em um banco de dados formado por medições de velocidade de vento.
A metodologia se constrói a partir da análise exploratória dos dados, onde pode
se observar características importantes, como estacionariedade na média e uma
estrutura sazonal complexa, que envolve um ciclo diário e uma sazonalidade
mensal. Com isso, foi adaptado um modelo de amortecimento exponencial com
múltiplos ciclos que incorpora simulação de Monte Carlo e decomposição da
série através do método TBATS, para realizar as previsões. Como resultados e
conclusões, é possível observar que modelo adaptado se mostrou adequado para
tratar o problema proposto, quando comparado com os modelos de previsão
estabelecidos pela literatura, resultando em um aumento na precisão das
previsões realizadas. / [en] This work is in the context of wind energy, which is the energy source that
grows more in the Brazilian energy matrix, according to the Energy Research
Company (EPE), with projections that this growth will continue. Thus, the main
motivation of this work is the fact that developing and implementing
increasingly precise forecasting methods for the key variables in the production
of wind energy in a wind turbine, such as wind speed, is of crucial importance
for planning of the national electric system operation. Therefore, the main
objective of this work is to adapt and apply a time series forecasting
methodology in a database formed by wind speed measurements. The
methodology is built from the exploratory analysis of data, which can be
observed important features such as stationary mean and a complex seasonal
structure, which involves a daily cycle and monthly seasonality. Thus, it was
adapted an exponential smoothing model that incorporates multiple cycles,
Monte Carlo simulation and decomposition of the series through the TBATS
method, to make forecasts. As results and conclusions, it is possible to observe
that model adapted was adequate to address the proposed issue, compared with
the forecast models established in the literature, resulting in an increase in the
accuracy of forecasts made.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26412 |
| Date | 17 May 2016 |
| Creators | MATHEUS FERREIRA DE BARROS |
| Contributors | REINALDO CASTRO SOUZA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0021 seconds