Desenvolvimento de Modelos de Curvas de Potência Via IA para Previsão de Geração Eólica em Curto Prazo.
Curva de Potência, melhoria da previsão, modelos paramétricos, modelos não paramétricos, inferência pré estabelecida, redes iniciais de aprendizagem profunda, previsões, modelos de geração eólica, curto prazo.
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. Este último cria uma heurística própria dependendo de uma característica ou tendência específica de como os dados de (ventos x Potência) de um parque ou turbina se comportam. Esta Tese visa demonstrar que é possível aumentar a precisão 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 desenvolvidos 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 a aplicação dos modelos de curva de potência desenvolvidos. Desta forma os novos modelos e heurísticas desenvolvidos foram efetivos e inovadores contribuindo para a melhora notável do desempenho das previsões em modelos de geração eólica no curto prazo.