Desenvolvimento de modelos de curvas de potência via IA para previsão de geração eólica em curto prazo

Abstract

A modelagem de uma curva de potência é um fator crucial para o desempenho e operação de uma fonte eólica, contribuindo desde o controle até a melhora no desempenho de uma turbina ou parque. Atualmente existem várias técnicas para o ajuste deste fator, cujos métodos utilizados são conhecidos como paramétricos e não paramétricos. Estes últimos criam uma heurística própria, dependendo de característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina variam. Esta Tese visa demonstrar que é possível aumentar a exatidão da previsão de geração eólica em curto prazo com a utilização de algumas técnicas originais que utilizam a inferência pré-estabelecida em sistemas fuzzy e técnicas de deep Learning como autoencoders e redes de aprendizagem profunda do tipo LSTM. Foram desenvolvidas duas novas heurísticas explicadas no decorrer do trabalho e as mesmas foram comparadas com os modelos já desenvolvidos pelo autor em trabalhos anteriores. Os resultados mostram-se significativos tanto no que diz respeito a previsão de dados componentes do vento, como velocidade e direção, quanto a previsão de potência atrelada à aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram eficazes e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.