Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/33536
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | VILELA, Olga de Castro | - |
dc.contributor.author | CLEMENTE, Jullya de Oliveira | - |
dc.date.accessioned | 2019-09-23T21:45:38Z | - |
dc.date.available | 2019-09-23T21:45:38Z | - |
dc.date.issued | 2018-08-23 | - |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/33536 | - |
dc.description.abstract | A grande penetração da energia eólica dentro da matriz elétrica brasileira torna ocontrole do sistema elétrico ainda mais complexo, principalmente em eventos derampas, os quais podem ocasionar, de forma muito rápida, elevadas variações de potência. Faz-se, então, necessária a utilização de técnicas de previsão especializadas para este tipo de regime. Neste sentido, o trabalho em questão busca desenvolver modelos capazes de realizar previsões acuradas, a curtíssimo prazo, de rampas em séries de potência de saída de centrais eólicas, de forma a auxiliar o controle do sistema elétrico brasileiro. Para tanto, dados observacionais, com escala temporal de 10 minutos, de 8 centrais eólicas localizadas no Nordeste brasileiro são empregados em modelos de ajuste global ou local, baseados em Redes Neurais Artificiais. A identificação do tipo de regime é realizada através de um mecanismo baseado no gradiente local do sinal, o qual, em alguns casos, é aliado à inferência estatística proveniente de uma Rede Bayesiana, possibilitando a introdução de informações com respeito a centrais eólicas localizadas a barlavento do local de interesse. De acordo com os resultados obtidos, verifica-se que, de maneira geral, os modelos desenvolvidos conseguem realizar previsões satisfatórias, superando a persistência em todos os horizontes. Verificou-se, ainda, que um modelo de ajuste global é suficiente para entregar previsões acuradas no terceiro horizonte, tornando dispensável o treinamento de modelos locais neste horizonte. Faz-se necessário, porém, um estudo aprofundado quanto ao comportamento e às características das rampas, com atenção especial às rampas de descida. | pt_BR |
dc.description.sponsorship | CAPES | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia nuclear | pt_BR |
dc.subject | Energia eólica | pt_BR |
dc.subject | Previsão de rampas | pt_BR |
dc.subject | Previsão em tempo real | pt_BR |
dc.subject | Redes neurais | pt_BR |
dc.subject | Redes Bayesianas | pt_BR |
dc.title | Previsão de rampas em séries temporais de potência de saída de centrais eólicas | pt_BR |
dc.type | masterThesis | pt_BR |
dc.contributor.advisor-co | COSTA, Alexandre Carlos Araújo da | - |
dc.contributor.authorLattes | http://lattes.cnpq.br/9602291382263151 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | mestrado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/1679243744052619 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Tecnologias Energeticas e Nuclear | pt_BR |
dc.description.abstractx | The large penetration of wind energy into the Brazilian electricity matrix makes the control of the electric system even more complex, especially in ramp events, which can cause large and fast variations in power. Hence, it is necessary to use specialized forecasting techniques for this type of regime. In this sense, the work in question aims the development of models capable of accurately predict, in very short term, ramps in series of power output from wind power plants, in order to help control the Brazilian electricity system. For this, observational data, with a 10-minute time-step, from 8 wind farms located in the Brazilian Northeast Region are used in global or local adjustment models, based on Artificial Neural Networks. The regime identification is performed through a mechanism based on the local signal gradient, which in some cases is allied to statistical inference from a Bayesian network, allowing the introduction of information regarding wind farms located in the windward of the place of interest. According to the obtained results, it is verified that, in a general way, the developed models can carry out satisfactory predictions, overcoming the persistence in all horizons. It was also verified that a global adjustment model is sufficient to deliver accurate forecasts in the third horizon, making local models unnecessary for this horizon. However, an in-depth study of the behavior and characteristics of ramps is necessary, with particular attention to ramp-down events. | pt_BR |
Aparece nas coleções: | Dissertações de Mestrado - Tecnologias Energéticas e Nucleares |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DISSERTAÇÃO Jullya de Oliveira Clemente.pdf | 5,56 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons