Auto codificadores variacionais aplicados a simulação da geração eólica e fotovoltaica: um estudo de caso de prospecção de cenários no subsistema sul brasileiro

Abstract

A inserção crescente de fontes renováveis intermitentes, como eólica e fotovoltaica, no Sistema Interligado Nacional exige novas abordagens para a coordenação da operação elétrica. Este trabalho tem como objetivo desenvolver um modelo generativo baseado em Auto Codificadores Variacionais (VAE) para a prospecção de cenários sintéticos de desvios de geração no Subsistema Sul brasileiro. O método de pesquisa é aplicado em dados históricos do Operador Nacional do Sistema Elétrico (ONS), seguido pelo tratamento, normalização das informações e treinamento de uma arquitetura de rede neural profunda. Essa rede mapeia os desvios de geração em um espaço latente probabilístico para capturar as características estatísticas essenciais dos dados reais. O modelo gera perfis diários de 24 horas que auxiliam o planejamento da Programação Diária da Operação. O estudo demonstra a viabilidade do uso de VAEs como ferramenta de geração de dados sintéticos, visto que o modelo possibilita uma representação robusta das incertezas. A aplicação dessa técnica contribui para a segurança e a otimização do despacho hidrotérmico frente à variabilidade das fontes renováveis

The increasing integration of intermittent renewable energy sources, such as wind and photovoltaic, into the Brazilian National Interconnected System requires new approaches for coordinating the electrical operation. This work aims to develop a generative model based on Variational Autoencoders (VAE) to prospect synthetic scenarios of generation deviations in the Southern Brazilian Subsystem. The research methodology is applied to historical data from the Brazilian National Electric System Operator (ONS), encompassing data processing, normalization, and the training of a deep neural network architecture. This network maps generation deviations into a probabilistic latent space to capture the essential statistical characteristics of the real data. The model generates 24-hour daily profiles that assist in the planning of the Daily Operation Scheduling. The study demonstrates the feasibility of using VAEs as a tool for generating synthetic data, as the model provides a robust representation of uncertainties. The application of this technique contributes to the security and optimization of the hydrothermal dispatch in the face of the variability of renewable energy sources