Análise do Potencial de Previsão da Velocidade do Vento Utilizando Rede Neural Artificial

Authors

  • Iwldson Guilherme da Silva Santos Universidade Federal de Alagoas, Instituto de Ciências Atmosféricas, Programa de Pós-graduação em Meteorologia
  • Roberto Fernando da Fonseca Lyra Universidade Federal de Alagoas, Instituto de Ciências Atmosféricas

DOI:

https://doi.org/10.11137/2020_4_11_17

Keywords:

Variável Meteorológica, Energia Eólica, Inteligência Artificial

Abstract

O objetivo deste trabalho é avaliar o potencial de previsibilidade da velocidade do vento com antecedência de 24 horas, usando a técnica de Rede Neural Artificial (RNA) Não Linear Auto Regressiva (NAR). Os dados observados de velocidade do vento (OBS) são médias de 10 minutos, obtidos por meio de anemômetro instalado a 50 metros de altura em uma Torre anemométrica situada no Município de Craíbas, região Agreste de Alagoas. A técnica de RNA-NAR foi treinada e calibrada com os dados observacionais fornecendo as condições iniciais. Após a calibração, a técnica foi aplicada na previsão da velocidade do vento para o dia seguinte. Os resultados mostraram que o prognóstico RNA-NAR representou bem a evolução temporal diária do vento no período estudado (abril de 2015). A análise estatística das séries de dados observados e previstos indica que a velocidade média do vento foi de ordem de 5,26 m.s-1 e 5,24 m.s-1, a velocidade máxima foi de 12,29 m.s-1 e 13,92 m.s-1, e a velocidade mínima foi de 0,01 m.s-1 e 0,36 m.s-1, respectivamente. As métricas estatísticas indicam desvio médio quase nulo (cerca de -0,01 m.s-1), raiz do erro quadrático médio de 1,14 m.s-1, erro percentual absoluto médio de 22% e coeficiente de correlação de 0,71. Esses resultados, apesar de considerar um período curto de dados indica o potencial de aplicação da RNA-NAR na previsão de 24 h da velocidade do vento em 50 m.

Downloads

Download data is not yet available.

References

ABEEólica. 2019. Associação Brasileira de Energia Eólica. Disponível em: <http://abeeolica.org.br/ >. Acesso em: 12 jul. 2019.

Cadenas, E. & Rivera, W. 2009. Short term wind speed forecasting in La Venta, Oaxaca, México, using artificial neural networks. Renewable Energy, 34:274-278.

Camelo, H.N.; Lucio, P.S.; Junior, J.B.V.L. & Carvalho, P.C.M. 2018. Proposta para previsão de velocidade do vento através modelagem híbrida elaborada a partir dos modelos ARIMAX e RNA. Revista Brasileira de Meteorologia, 33 (1):115 – 129.

Cao, Q.; Ewing, B.T. & Thompson, M.A. 2012. Forecasting wind speed with recurrent neural networks. European Journal of Operational Research, 221:148 – 154.

ELETROBRAS. 2008. Atlas Eólico do Estado de Alagoas. Disponível em: <http://www.cresesb.cepel.br/publicacoes/download/atlas_eolico/atlas_eolico_A L.pdf>. Acesso em: 12 jul. 2019.

Fthenakis, V. & Kim, H.C. 2009. Land use and electricity generation: A life cycle analysis. Renewable and Sustainable Energy Reviews, 13:1465-1474.

Gonçalves, A.R. 2011. Refinamento estatístico das previsões de vento do modelo ETA aplicado ao setor eólio-elétrico do Nordeste Brasileiro. Programa de Pós- graduação em Meteorologia, Instituto Nacional de Pesquisas Espaciais, Dissertação de Mestrado, 180p.

GWEC. 2019. Global Wind Energy Council. Disponível em: <https://bit.ly/2FKCAth>. Acesso em: 12 jul. 2019.

Haykin, S. 2008. Redes Neurais Princípios e Prática. 2ª ed. Porto Alegre: Bookman, 900p.

Lyra, R.F.F.; Silva Junior, R.S.; Moura, M.A.L. & Amorim, M.C.A.L. 1998. Prognóstico da velocidade do vento utilizando o modelo WRF na região central de Alagoas. Ciência e Natura, 38:447-451.

Moura, J.D.O. 2014. Refinamento das simulações de vento do modelo WRF utilizando Redes Neurais Artificiais. Graduação em Meteorologia, Universidade Federal de Alagoas, Trabalho de Conclusão de Curso, 43p.

Ramos, D.N.S.; Lyra, R.F.F. & Junior, R.S.S. 2013. Previsão do vento utilizando o modelo atmosférico WRF para o estado de Alagoas. Revista Brasileira de Meteorologia, 28(2):163-172.

Rodrigues, G.C. 2007. Utilização de redes neurais para previsão de ventos no horizonte de 24 horas. Programa de Pós-Graduação em Ciência em Engenharia Elétrica, Universidade Federal do Rio de Janeiro, Dissertação de Mestrado, 119p.

Santos, I.G.S. 2019. Previsão da velocidade do vento na escala do parque eólico utilizando o modelo WRF e rede neural artificial. Programa de Pós-Graduação em Meteorologia, Universidade Federal de Alagoas, Dissertação de Mestrado, 75p.

Silva, I.N.; Spatti, D.H. & Flauzino, R.A. 2010. Redes Neurais Artificiais para engenharias e ciências aplicadas. São Paulo, Artliber, 399p.

Silva, S.S.; Lyra, R.F.F.; Junior, R.S.S.; Silva, S.M.S. & Cruz, N.S.D. 2017. Refinamento das estimativas da velocidade do vento feitas pelo modelo WRF usando redes neurais artificiais e modelo físico-estatístico. X Workshop Brasileiro de Micrometeorologia, Santa Maria – RS, 5p.

Silva, S.M.S.; Lyra, R.F.F.; Junior, R.S.S.; Cruz, N.S.D. & Silva, S.S. 2018. Avaliação do desempenho do modelo WRF para prognóstico do vento na região central de Alagoas – Craíbas. Ciência e Natura, Edição Especial: X Workshop Brasileiro de Micrometeorologia, 40:187 – 192.

Zucatelli, P.J; Nascimento, E.G.S.; Aylas, G.Y.R.; Souza, N.B.P.; Kitagawa, Y.K.L.;

Santos, A.A.B. & Moreira, D.M. 2018. Previsão da velocidade do vento a curto prazo usando redes neurais artificiais em Mucuri, Bahia. X Congresso Nacional de Engenharia Mecânica, Salvador – Bahia, 10p.

Published

2020-12-18

How to Cite

Santos, I. G. da S. and Lyra, R. F. da F. (2020) “Análise do Potencial de Previsão da Velocidade do Vento Utilizando Rede Neural Artificial”, Anuário do Instituto de Geociências. Rio de Janeiro, BR, 43(4), p. 11_17. doi: 10.11137/2020_4_11_17.

Issue

Section

Article