Dissertação

Wind Generation Forecast from the perspective of a DSO EVALUATED

O constante crescimento no investimento por parte das empresas do sector energético nas energias renováveis tem originado alguns problemas na integração destas na rede elétrica. Mais precisamente na geração eólica, uma vez que o vento tem uma elevada volatilidade e que a energia produzida a partir dele não pode ser armazenada em larga escala devido aos elevados custos, é importante ter a capacidade de prever a geração eólica com precisão. Isto permite conhecer antecipadamente uma estimativa precisa da energia que será produzida num futuro próximo criando um impacto económico positivo nas Operadoras de Sistemas de Distribuição (DSO). O objetivo deste trabalho é, portanto, realizar previsões da potência eólica gerada com uma hora de intervalo aplicando métodos de inteligência artificial, como a Rede Neuronal Artificial (ANN), o Sistema Adaptativo Neuronal de Inferência Difusa (ANFIS) e a Rede com Base em Função Radial (RBFN), para descobrir qual deles obtém melhor performance. Além disso, o método da persistência é também aplicado, um método simples que é normalmente usado para comparar com outros métodos. As arquiteturas e os algoritmos de treino dos métodos acima mencionados são apresentados. De seguida a arquitetura de cada método é determinada otimizando-as por estação de ano, para depois cada método poder ser treinado e testado com dados da potência eólica gerada de 5 anos (2010–2014). Além disso, para melhorar os resultados de previsão e evitar o problema do overfitting é utilizada uma técnica de validação-cruzada. Por fim, são retiradas conclusões com base na comparação das performances dos métodos.
Previsão da potência eólica, Redes Neuronais Artificiais, Sist. Neuro Adaptativo Inferência Difusa, Rede com base em função radial, Operador de Sistemas de Distribuição, Validação cruzada

Junho 12, 2018, 14:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rui Manuel Gameiro de Castro

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar