Estudo de previsão a velocidade do vento: aplicação prática de inteligência artificial na exploração do uso energia eólica

Página do item simplificado
dc.contributor.advisorGarcía, Valdomiro Vega
dc.contributor.authorOliveira, Michel Braulio de
dc.date.accessioned2022-04-19T18:40:02Z
dc.date.available2022-04-19T18:40:02Z
dc.date.issued2021-12
dc.description.abstractEste artigo traz um guia rápido de fácil acesso ao usuário, usando ferramentas online, com foco na geração de energia eólica e escolha de melhor região para instalação de aerogeradores. Com destaque as ferramentas Topographic-map, para viabilidade de terreno na instalação de aerogeradores e Google Colaboratory para executar funções baseadas em inteligência artificial para compreender dados climáticos da própria região e prever valores futuros desses mesmos dados. Além disso, é possível explorar outro tipo de geração distribuída, tais como a solar, a partir desses mesmos dados e com algumas mudanças do código. Para a realização da prova de conceito, nesta pesquisa foi utilizada a linguagem de programação Python no ambiente Google Colaboratory, com funções e bibliotecas do TensorFlow, que contém diversos modelos de redes neurais. Para a realização da pesquisa foi utilizado um banco de dados climáticos no período de 2015 a 2020 extraído do Instituto Nacional de Meteorologia e de registros de altitude do Atlas Eólico Brasileiro. O presente trabalho constatou que os melhores resultados de correlação das variáveis climáticas e das previsões, são proporcionais ao incremento do banco de dados. Também foi percebida a necessidade uma boa conexão de internet para executar previsões de médio e longo prazo, devido ao carregamento inicial do banco de dados na aplicação online. Foram testados vários modelos de inteligência artificial nas previsões da velocidade do vento que foram comparados através de erro médio absoluto para encontrar o modelo mais adequado. Em destaque o modelo denso e o convolucional (método de múltiplas saídas).pt_BR
dc.description.abstractThis article provides a quick guide that is easy to access for the user, using online tools, focusing on wind power generation and choosing the best region for installing wind turbines. Highlighting the Topographic-map tools, for terrain feasibility in the installation of wind turbines and Google Collaboration to perform functions based on artificial intelligence to understand climate data from the region itself and predict future values of these same data. Furthermore, it is possible to explore another type of distributed generation, such as solar, using these same data and with some code changes. To carry out the proof of concept, in this research, the programming language Python was used in the Google Collaborative environment, with functions and libraries from TensorFlow, which contains several models of neural networks. To carry out the research, a climate database was used for the period 2015 to 2020, extracted from the National Institute of Meteorology and altitude records from the Brazilian Wind Atlas. The present work found that the best correlation results for climatic variables and forecasts are proportional to the increase in the database. The need for a good internet connection to perform medium and long term forecasts was also perceived, due to the initial loading of the database in the online application. Several artificial intelligence models were tested in the wind speed predictions, which were compared by mean absolute error to find the most suitable model. Highlights the dense and convolutional model (multiple output method).pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/29043
dc.languagept_BRpt_BR
dc.publisherUniversidade Presbiteriana Mackenziept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectséries temporaispt_BR
dc.subjectenergia eólicapt_BR
dc.subjectinteligência artificialpt_BR
dc.subjectredes neuraispt_BR
dc.subjecttime seriespt_BR
dc.subjectwind energypt_BR
dc.subjectartificial intelligencept_BR
dc.subjectRio Grande do Sulpt_BR
dc.titleEstudo de previsão a velocidade do vento: aplicação prática de inteligência artificial na exploração do uso energia eólicapt_BR
dc.typeTCCpt_BR
local.publisher.departmentEscola de Engenharia (EE)pt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Michel Braulio de Oliveira - protegido.pdf
Tamanho:
798.91 KB
Formato:
Adobe Portable Document Format
Descrição:
Michel Braulio de Oliveira
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Engenharia Elétrica - TCC – EE Higienópolis