Modelo híbrido utilizando holt-winters e rede neural não linear autoregressiva com entradas exógenas (narx) para previsão da velocidade do vento
| dc.contributor.advisor | ALENCAR, David Barbosa de | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/4890967546423188 | |
| dc.creator | PARENTE, Ricardo Silva | |
| dc.creator.Lattes | http://lattes.cnpq.br/9725512588492306 | |
| dc.date.accessioned | 2024-08-05T20:47:36Z | |
| dc.date.available | 2024-08-05T20:47:36Z | |
| dc.date.issued | 2021-07-27 | |
| dc.description.abstract | The wind energy matrix is gradually increasing in recent years and its importance for the renewable energy industry is increasingly linked to the benefits in relation to the environment, with this growing energy matrix the research around the wind power generation is also increasing, and one of the strands is the wind speed prediction, because with this it is possible to predict the wind power generation and decrease the error rate in decision making in the industry of electricity generation through wind power matrix. Considering the problem of decision making and the unpredictability of wind speed, this paper aims to develop a hybrid model for wind speed prediction and consequently wind power generation, based on HoltWinters Exponential Smoothing and Nonlinear Auto-Regressive Neural Network with Exogenous Inputs (NARX). In the materials and methods, the database of the SONDA project (System of National Organization of Environmental Data) organized by INPE (National Institute for Space Research) was used, in which it was chosen to use the anemometric data from the station of Brasilia - BRB and Petrolina - PTR, where data from the years February 2005 to March 2019 of the BRB station were used for training, validation and testing, and from January 2006 to December 2015 of the PTR station for simulations of the HW, NARX and proposed model. The results obtained with the proposed hybrid HW-NARX model were compared with the HW and NARX seasonal time series forecasting algorithms, in which the proposed model was able to achieve better performance and predictability results than HW and NARX for the ultra-short-term, medium-term, and long-term time horizons. | |
| dc.description.resumo | A matriz energética eólica vem aumentando gradativamente nos últimos anos e sua importância para a indústria de energia renovável é cada vez mais atrelada aos benefícios em relação ao meio ambiente, com esta crescente da matriz energética as pesquisas em torno da geração de energia eólica também vem aumentando, sendo uma das vertentes a previsão da velocidade do vento, pois com isso é possível prever a geração de energia eólica e diminuir a taxa de erros em tomadas de decisões na indústria de geração de eletricidade por meio da matriz eólica. Tendo em vista a problemática de tomadas de decisões e imprevisibilidade da velocidade do vento, o presente trabalho tem o objetivo de desenvolver um modelo híbrido para a previsão da velocidade do vento que pode ser utilizada na geração de energia eólica, baseado em Suavização Exponencial de Holt-Winters (HW) e Rede Neural Não Linear AutoRegressiva com Entradas Exógenas (NARX). Nos materiais e métodos foi usado a base de dados do projeto SONDA (Sistema de Organização Nacional de Dados Ambientais) organizado pelo INPE (Instituto Nacional de Pesquisas Espaciais), no qual optou-se por utilizar os dados anemométricos da estação de Brasília – BRB e Petrolina – PTR, onde foram usados dados dos anos de fevereiro de 2005 a março de 2019 da estação de BRB para treinamento, validação e testes, e de janeiro de 2006 a dezembro de 2015 da estação de PTR para simulações do HW, NARX e o modelo proposto. Os resultados obtidos com o modelo híbrido proposto HW-NARX foram comparados com os algoritmos de previsão de series temporais com sazonalidade HW e NARX, no qual o modelo proposto conseguiu atingir resultados de performance e previsibilidade melhores que o HW e o NARX para os horizontes de tempo de ultra-curto prazo, médio prazo e longo prazo, no qual foram utilizados como parâmetros de performance os erros MSE, RMSE e MAPE. | |
| dc.description.sponsorship | Subvenção da Lei de Informática | |
| dc.format | pdf. | |
| dc.identifier.citation | PARENTE, Ricardo Silva. Modelo híbrido utilizando holt-winters e rede neural não linear autoregressiva com entradas exógenas (narx) para previsão da velocidade do vento. 2021. p. 120. Dissertação do Programa de Pós-Graduação em Engenharia, Gestão de Processos, Sistemas e Ambiental (PPGEGPSA), Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM), Manaus, 2021. | |
| dc.identifier.uri | https://rigalileo.itegam.org.br/handle/123456789/26 | |
| dc.language | pt | |
| dc.publisher | Instituto de Tecnologia e Educação Galileo da Amazônia | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Instituto de Tecnologia e Educação Galileo da Amazônia | |
| dc.publisher.initials | ITEGAM | |
| dc.publisher.program | Programa de Pós-Graduação em Engenharia, Gestão de Processos, Sistemas e Ambiental | |
| dc.subject | Previsão da velocidade do vento | |
| dc.subject | Modelo híbrido | |
| dc.subject | Holt-Winters | |
| dc.subject | Energia eólica | |
| dc.subject | Rede neural artificial | |
| dc.subject.cnpq | 1.03.00.00-7 Ciência da Computação | |
| dc.title | Modelo híbrido utilizando holt-winters e rede neural não linear autoregressiva com entradas exógenas (narx) para previsão da velocidade do vento | |
| dc.type | Dissertação |