Modelo híbrido de previsão de séries temporais para possíveis aplicações no setor de geração eólica

Autores

DOI:

https://doi.org/10.5902/2179460X30415

Palavras-chave:

Modelo estatístico, Redes neurais artificiais, Velocidade do vento

Resumo

No presente artigo um inovador modelo híbrido de previsão de séries temporais baseado na combinação de duas funções (linear e não-linear), respectivas dos modelos Holt-Winters e Redes Neurais Artificiais é apresentado. Esse modelo é aplicado em velocidade do vento no nordeste brasileiro, e foi capaz de realizar previsões de curto e longo prazo com boa acurácia. Destaca-se a eficiência do modelo proposto em fornecer perfeitos ajustes aos dados observados, sendo essa afirmativa de acordo com os baixos valores encontrados na análise estatística de erros, por exemplo, com erro percentual de aproximadamente 5,0%, e também com o valor do coeficiente de eficiência de Nash-Sutcliffe no valor de aproximadamente de 0,96. Esses resultados foram importantes nas precisões encontradas, fazendo com que pudessem acompanhar o perfil das séries temporais observadas, principalmente revelando maiores semelhanças de valores máximos e mínimos entre ambas as séries, mostrando assim, a capacidade do modelo em representar características de sazonalidade local. Métodos para previsão de velocidade do vento podem constituir em técnica útil no setor de geração eólica, por exemplo, sendo capaz de adquirir informações importantes de que maneira o potencial eólico local poderá ser aproveitado para possível geração de energia elétrica.

Downloads

Não há dados estatísticos.

Biografia do Autor

João Bosco Verçosa Leal Junior, Universidade Estadual do Ceará

Professor Associado, Curso de Física, Universidade Estadual do Ceará - UECE

Henrique do Nascimento Camelo, Universidade Federal do Rio Grande do Norte

Programa de Pós-Graduação em Ciências Climáticas

Paulo Sérgio Lucio, Universidade Federal do Rio Grande do Norte

Programa de Pós-Graduação em Ciências Climáticas

Paulo César Marques de Carvalho, Universidade Federal do Ceará

Departamento de Engenharia Elétrica

Referências

BROCKWELL, PJ, DAVIS, RA. Introduction to time series and forecasting. New York: Springer; 2016.

CAMELO, HN, LUCIO, PS, LEAL JUNIOR, JBV. Modelagem de média mensal de velocidade do vento para região litorânea no nordeste Brasileiro através do método aditivo Holt-Winters com vias a previsão de geração eólica. Revista Brasileira de Energias Renováveis 2016;5(4):17-29.

DAI, A. Increasing drought under global warming in observations and models. Nat. Clim. Change 2013;3(1):52-58.

KAVASSERI, R, SEETHARAMAN, K. Day-ahead wind speed forecasting using f-ARIMA models. Renew. Energy 2009; 34(5):1388–1393.

LIU, H, TIAN, H, Li, Y. Comparison of two new ARIMA-ANN and ARIMA-Kalman hybrid methods for wind speed prediction. Appl. Energy 2012; 98(1):415 – 424.

PACHAURI, RK, MEYER, L, PLATTNER, GK, STOCKER, T. IPCC. Climate Change 2014: Synthesis Report. In: Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC [Internet]; 2015 January 02 - 03; Geneva, Switzerland. 2015 [cited 2017 dec 07]. Available from: http://boris.unibe.ch/71642/.

SILVA, PMO, MELLO, CR, SILVA, AM, COELHO, G. Modelagem da hidrógrafa de cheia em uma bacia hidrográfica da região Alto Rio Grande. Revista Brasileira de Engenharia Agrícola e Ambiental 2008;12(3):258-265.

ZHANG, G. Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing 2003;50(1):159-175.

Downloads

Publicado

2018-03-22

Como Citar

Leal Junior, J. B. V., Camelo, H. do N., Lucio, P. S., & Carvalho, P. C. M. de. (2018). Modelo híbrido de previsão de séries temporais para possíveis aplicações no setor de geração eólica. Ciência E Natura, 40, 01–06. https://doi.org/10.5902/2179460X30415

Artigos mais lidos pelo mesmo(s) autor(es)