Utilize este identificador para referenciar este registo: http://hdl.handle.net/10400.22/5851
Título: Desenvolvimento de apoio à decisão operacional – previsão de curto prazo de geração distribuída de tecnologia eólica ligada à RND
Autor: Nunes, José Filipe Dias
Orientador: Ramos, Sandra Cristina de Faria
Oliveira, Marta
Palavras-chave: Modelos de previsão de energia eólica
Energia eólica
Parametrização
Redes neuronais artificias
Modelo de curva de potência
Prediction models of Wind Energy
Wind Power
Parameterization
Artificial Neural Networks
Model Power Curve
RND
NWP
Data de Defesa: 2014
Resumo: No contexto da penetração de energias renováveis no sistema elétrico, Portugal ocupa uma posição de destaque a nível mundial, muito devido à produção de eólica. Com um sistema elétrico com forte presença de fontes de energia renováveis, novos desafios surgem, nomeadamente no caso da energia eólica pela sua imprevisibilidade e volatilidade. O recurso eólico embora seja ilimitado não é armazenável, surgindo assim a necessidade da procura de modelos de previsão de produção de energia elétrica dos parques eólicos de modo a permitir uma boa gestão do sistema. Nesta dissertação apresentam-se as contribuições resultantes de um trabalho de pesquisa e investigação sobre modelos de previsão da potência elétrica com base em valores de previsões meteorológicas, nomeadamente, valores previstos da intensidade e direção do vento. Consideraram-se dois tipos de modelos: paramétricos e não paramétricos. Os primeiros são funções polinomiais de vários graus e a função sigmoide, os segundos são redes neuronais artificiais. Para a estimação dos modelos e respetiva validação, são usados dados recolhidos ao longo de dois anos e três meses no parque eólico do Pico Alto de potência instalada de 6 MW. De forma a otimizar os resultados da previsão, consideram-se diferentes classes de perfis de produção, definidas com base em quatro e oito direções do vento, e ajustam-se os modelos propostos em cada uma das classes. São apresentados e discutidos resultados de uma análise comparativa do desempenho dos diferentes modelos propostos para a previsão da potência.
In the context of the penetration of renewable energy in the electricity system, Portugal occupies a prominent position in the world, largely due to wind production. With an electrical system with a strong presence of renewable energy sources, new challenges arise, particularly in the case of wind energy for its unpredictability and volatility. The wind resource limit although it is not storable, thus resulting in the necessity of searching production prediction models of electric energy of the wind farms to allow good management of the system. This thesis presents the contributions resulting from a research work and research on electric power forecasting models based on weather forecasts values, in particular, provided the intensity values and wind direction. We considered two types of models: parametric and nonparametric. The former are polynomial functions of various degrees and the sigmoid function, the latter are artificial neural networks. For the estimation of models and respective validation, are used data collected over two years and three months on the wind farm of the Pico Alto installed capacity of 6 MW. In order to optimize the results of the forecast, we consider different classes of production profiles, defined on the basis of four eight wind directions, and adjust the proposed models in each class. Are presented and discussed results of a performance comparison of the different models proposed for the prediction of power.
URI: http://hdl.handle.net/10400.22/5851
Designação: Mestrado em Engenharia Eletrotécnica – Sistemas Elétricos de Energia
Aparece nas colecções:ISEP - DM – Engenharia Electrotécnica – Sistemas Eléctricos de Energia

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
DM_JoseNunes_2014_MEESE.pdf3,53 MBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.