Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/19920

Share on

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAQUINO, Ronaldo Ribeiro Barbosa de-
dc.contributor.authorGOUVEIA, Hugo Tavares Vieira-
dc.date.accessioned2017-07-20T17:58:36Z-
dc.date.available2017-07-20T17:58:36Z-
dc.date.issued2011-12-22-
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/19920-
dc.description.abstractA 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.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectEnergia Eólicapt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectLógica Fuzzypt_BR
dc.subjectPrevisão de Ventospt_BR
dc.subjectRedes Neuraispt_BR
dc.subjectAnálise de Séries Temporaispt_BR
dc.titlePrevisão de ventos e geração eólica do sistema NE: analisando diversos sítios e buscando a melhor modelagem através da inteligência artificialpt_BR
dc.typemasterThesispt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.publisher.programPrograma de Pos Graduacao em Engenharia Eletricapt_BR
dc.description.abstractxWind 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.pt_BR
Appears in Collections:Dissertações de Mestrado - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Dissertacao_Hugo_Gouveia_Biblioteca_Central (1).pdf2.63 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons