Banca de DEFESA: REGINA MARIA DE LIMA NETA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: REGINA MARIA DE LIMA NETA
DATA : 28/08/2025
HORA: 14:00
LOCAL: Departamento de Engenharia Elétrica - LDSP - (CTG 4º andar do prédio administrativo)
TÍTULO:

MULTIPREVISAO DE GERACAO FOTOVOLTAICA BASEADA EM CLUSTERIZACAO HIERARQUICA E TEMPORAL FUSION TRANSFORMER.

PALAVRAS-CHAVES:

Multiprevisão. Clusterização Hierárquica. Temporal Fusion Transformer.

PÁGINAS: 91
RESUMO:

A alta variabilidade da geração solar fotovoltaica (FV) dificulta a previsão de curto prazo, levando o ONS a manter reservas operativas elevadas e, consequentemente, a aumentar os custos. Neste contexto, esta tese propõe uma abordagem inédita para previsão multissérie, integrando Clusterização Hierárquica e Temporal Fusion Transformer (TFT) com uso exclusivo de dados públicos de geração (ONS) e meteorologia (NASA POWER). A metodologia incluiu a Clusterização Hierárquica para agrupar usinas com perfis de geração similares, uma heurística de imputação de dados baseada na similaridade de perfis de radiação solar e geração e validação por janela deslizante para garantir robustez estatística e consistência temporal. O estudo avaliou quatorze modelos, nos quais a previsão única alcançou MAPE de 3,50% ao combinar escala logarítmica da geração, interações entre variáveis, atributos históricos e variáveis meteorológicas. A multiprevisão, com a mesma combinação de dados, demonstrou ser superior, atingindo MAPE de 1,39% para duas usinas de perfis complementares e 0,79% para três usinas homogêneas (mesmo cluster hierárquico), evidenciando que a combinação de dados potencializa o aprendizado do TFT, possivelmente devido a uma transferência de conhecimento entre as séries temporais. Uma vantagem adicional é a capacidade de prever três empreendimentos simultaneamente com um único modelo. Comparativos com a literatura e com topologias como MLP e LSTM confirmaram o desempenho competitivo e, em muitos casos, superior da abordagem proposta. Os resultados estabelecem uma base sólida, reprodutível e escalável para previsão FV em larga escala, com aplicação prática direta para o aumento da eficiência, segurança e gestão do setor elétrico.

 

MEMBROS DA BANCA:
Externa à Instituição - AIDA ARAUJO FERREIRA - IFPE
Externo ao Programa - 1061963 - JEYDSON LOPES DA SILVA - nullExterno à Instituição - MANOEL AFONSO DE CARVALHO JUNIOR - UFPE
Externa ao Programa - 2300753 - MILDE MARIA DA SILVA LIRA - nullPresidente - 1543575 - PEDRO ANDRE CARVALHO ROSAS