dc.creator |
MOREIRA, Max Olinto |
|
dc.date.issued |
2022-07-12 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3333 |
|
dc.description.abstract |
In recent years, renewable and sustainable energy sources have attracted the attention of
various investors and stakeholders, such as energy sector players and consumers. Electric
power systems have experienced the rapid insertion of distributed renewable generating
sources and, as a result, face planning and operational challenges as new connections
are made to the grid. It is very difficult to observe and anticipate the required levels of
photovoltaic generation, which are tasks considered inherent to a quick insertion into the
electrical grid. This distributed/renewable generation must be integrated in a coordinated
way, so that there is no negative impact on the electrical performance of the grid, increas ing the complexity of energy management. In this work, a multivariate strategy, based on
design of experiments (DOE), is addressed for the prediction of photovoltaic generation
using a new approach for parameterization and combination of a set of artificial neural
networks (ANN). Two main questions will be explored: how to select the ANNs and how
to combine them in the forecast by sets (ensemble). As a complement to this methodology,
the reduction of dimensionality of climate data through Principal Component Analysis
(PCA) is also presented. The design of experiments (DOE) approach is applied to the
PV generation time series factors and to the ANN factors. Then, a cluster analysis is
performed to select the networks that obtained the best results. From this point, a mixture
analysis (MDE) is used to determine the ideal weights for the formation of the ensemble.
The methodology is detailed throughout the work and, based on the combination of fore casts, the photovoltaic generation was estimated for a set of specific panels, located in the
south of the State of Minas Gerais. Therefore, a more comprehensive study, which con sidered a dataset of seventeen generation plants, with seasonal characteristics, was also
examined. The versatility of the proposed method allowed changing the number of factors
to be used in the experimental arrangement, in the forecasting model and in the desired
forecasting horizon and, consequently, improving the determination of the forecast for the
studied scenarios. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Previsão fotovoltaica |
pt_BR |
dc.subject |
Planejamento de experimentos |
pt_BR |
dc.subject |
Redes neurais artificiais |
pt_BR |
dc.subject |
Ensemble |
pt_BR |
dc.title |
Previsão de geração fotovoltaica através de métodos computacionais parametrizados por planejamento de experimentos |
pt_BR |
dc.type |
Tese |
pt_BR |
dc.date.available |
2022-08-01 |
|
dc.date.available |
2022-08-01T16:58:52Z |
|
dc.date.accessioned |
2022-08-01T16:58:52Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/1280058018404441 |
pt_BR |
dc.contributor.advisor1 |
BALESTRASSI, Pedro Paulo |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/8999535447828760 |
pt_BR |
dc.contributor.advisor-co1 |
BONATTO, Benedito Donizeti |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/8344250043719538 |
pt_BR |
dc.description.resumo |
Nos últimos anos, as fontes de energia renováveis e sustentáveis atraíram a atenção de
vários investidores e partes interessadas, como agentes do setor de energia e consumidores.
Os sistemas de energia elétrica têm experimentado a rápida inserção de fontes geradoras
renováveis distribuídas e, como resultado, enfrentam desafios de planejamento e operação à
medida que novas conexões são feitas à rede. É de grande dificuldade observar e antecipar
os níveis exigidos de geração fotovoltaica, que são tarefas consideradas inerentes a uma
rápida inserção na rede elétrica. Essa geração distribuída/renovável deve ser integrada
de forma coordenada, de modo que não haja impacto negativo no desempenho elétrico
da rede, aumentando a complexidade do gerenciamento de energia. Neste trabalho, uma
estratégia multivariada, baseada em planejamento de experimentos (DOE), é endereçada
para a previsão de geração fotovoltaica usando uma nova abordagem para parametrização
e combinação de um conjunto de redes neurais artificiais (RNA). Duas questões principais
serão exploradas: como selecionar as RNAs e como combiná-las no ensemble. Como
complemento dessa metodologia, também é apresentada a redução de dimensionalidade
dos dados climáticos através de Análise de Componentes Principais (PCA). A abordagem
de planejamento de experimentos (DOE) é aplicada aos fatores da série temporal de
geração fotovoltaica e aos fatores da RNA. Em seguida, é realizada uma análise de cluster
para selecionar as redes que obtiveram os melhores resultados. A partir deste ponto,
uma análise de mistura (MDE) é empregada para determinar os pesos ideais para a
formação da previsão por conjunto ensemble. A metodologia é detalhada ao longo do
trabalho e, com base na combinação de previsões, foi estimada a geração fotovoltaica
para um conjunto de painéis específicos, localizado no sul do Estado de Minas Gerais.
Por conseguinte, um estudo mais abrangente, que considerou um conjunto de dados de
dezessete plantas de geração, com características sazonais, também foi examinado. A
versatilidade do método proposto permitiu a alteração do número de fatores a serem
utilizados no arranjo experimental, no modelo de previsão e no horizonte de previsão
desejado e, consequentemente, aprimorou a determinação da previsão para os cenários
estudados. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Doutorado - Engenharia Elétrica |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA |
pt_BR |
dc.relation.references |
MOREIRA, Max Olinto. Previsão de geração fotovoltaica através de métodos computacionais parametrizados por planejamento de experimentos. 2022. 115 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2022 |
pt_BR |