| Summary: | Submitted by Luiza Maria Pereira de Oliveira (luiza.oliveira@ufpe.br) on 2017-07-20T17:58:36Z
No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf: 2697951 bytes, checksum: c6c11f656ee81de84aeda051d25620c4 (MD5) === Made available in DSpace on 2017-07-20T17:58:36Z (GMT). No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf: 2697951 bytes, checksum: c6c11f656ee81de84aeda051d25620c4 (MD5)
Previous issue date: 2011-12-22 === A previsão de ventos é de extrema importância para auxiliar nos estudos de
planejamento e programação da operação da geração eólica. Vários estudos já
comprovaram que o potencial eólico brasileiro, principalmente no Nordeste, onde os
ventos apresentam uma importante característica de complementaridade em relação às
vazões do rio São Francisco, pode contribuir significativamente para o suprimento de
energia elétrica. Entretanto, o uso das forças dos ventos para produção de energia elétrica produz alguns inconvenientes, tais como, incertezas na geração e a dificuldade no
planejamento e operação do sistema elétrico. Este trabalho propõe e desenvolve modelos
de previsões de velocidades médias horárias de ventos e geração eólica a partir de técnicas de Redes Neurais Artificiais, Lógica Fuzzy e Análise Wavelet. Os modelos foram ajustados para realizar previsões com passos variáveis de até vinte e quatro horas. Para as previsões realizadas com alguns dos modelos desenvolvidos, os ganhos em relação aos modelos de referência foram da ordem de 80% para as previsões com passo de uma hora. Os resultados demonstraram que a Análise Wavelet aliada às ferramentas de inteligência artificial fornecem previsões muito mais confiáveis do que aquelas obtidas com os modelos de referência, principalmente para as previsões com passos de 1 – 6 horas. === Wind forecasting is extremely important to assist in planning and
programming studies for the operation of wind power generation. Several studies have
shown that the Brazilian wind potential can contribute significantly to the supply of
electricity, especially in the Northeast, where the winds have an important feature of
complementarity in relation to the flows of the San Francisco River. However, the use of
of wind to generate electricity has some drawbacks, such as uncertainties in generation and
some difficulty in planning and operation of the power system. This work proposes and
develops models to forecast hourly average wind speeds and wind power generation based
on techniques of Artificial Neural Networks, Fuzzy Logic and Wavelets. The models were
adjusted for forecasting with variable steps up to twenty-four hours ahead. The gain of
some models developed in relation to the reference models were approximately 80% for
forecasts in a period of one hour ahead. The results showed that the wavelet analysis
combined with artificial intelligence tools provide forecasts more reliable than those
obtained with the reference models, especially for forecasts in a period of 1 to 6 hours
ahead.
|
|---|
