Análise comparativa de diferentes metodologias de redes neurais artificiais para previsão de geração eólica

Abstract

A crescente participação das fontes de energias renováveis, especialmente a energia eólica, na matriz energética traz grandes desafios tanto ao produtor como ao operador do Sistema Interligado Nacional (SIN). Contudo a incerteza associada à fonte e ao horizonte de produção desse tipo de energia leva a uma dificuldade quando se quer inseri-la na rede elétrica. Por isso, este trabalho de pesquisa se enquadra principalmente na área de previsão de energia eólica no curto prazo.Esta previsão da energia eólica comumente é solucionada com o uso de métodos físicos ou estatísticos. Sem embargo, nos últimos anos o método estatístico foi misturado com sistemas inteligentes, resultando em um menor esforço computacional devido a maior velocidade de processamento. Com o intuito avaliar a velocidade de processamento e os índices de desempenho das metodologias, são comparadas as redes perceptron multicamada e as redes de base radial.Este estudo foi realizado por meio dos dados fornecidos pelo sistema SCADA, no parque eólico de Beberibe, no Ceará. Para isso, os dados são submetidos a um processo de filtragem assim como um ajuste dos dados em relação a curva teórica do aerogerador.Posteriormente foram feitas simulações com as redes neurais artificiais com diferentes quantidades de neurônios na camada intermediaria com o objetivo de evitar problemas de aprendizagem.Finalmente, são comparadas as metodologias e são realizadas previsões para três horizontes de análise de 24, 48 e 72 horas.

Abstract: The increasing participation of renewable energy sources, especially wind energy, in the energy matrix shows major challenges for both: the producer and the operator of the national interconnected system. However, the uncertainty associated with the source and the production of this type of energy leads to a difficulty when inserting into the electric grid. This is why this research work is focused on wind energy forecasting in the short-term.This wind power forecast is usually solved using either physical or statistical methods. However, in recent years the statistical method was combinated to intelligent systems, resulting in a lower computational effort due to higher processing speed. In order to evaluate the processing speed and performance indices of the methodologies, the multilayer perceptron networks and the radial basis networks are compared.This study was carried out using data provided by the SCADA system at the Beberibe wind farm, in Ceará. For this, the data are submitted to a filtering process as well as an adjustment of the data in relation to the theoretical curve of the wind turbine.Then, simulations were performed with neural network with different amounts of neurons in the intermediate layer in order to avoiding learning problems.Finally, the methodologies are compared and forecasts are made for the three analysis horizons of 24, 48 and 72 hours ahead.