Desenvolvimento de modelos de previsão da capacidade de geração de fontes de energia elétrica renováveis (solar e eólica) em função de variáveis climáticas

Resumo

O conhecimento do comportamento futuro de unidades geradoras de energia elétrica é importante para a manutenção, operação e planejamento do sistema elétrico de potência. Como as variáveis climáticas possuem interferência direta quando se visa projetar a capacidade de geração de fontes alternativas dependentes do sol ou do vento, a construção de um modelo que contemple estas variáveis é de extrema importância. Este trabalho possui como objetivo o desenvolvimento de um modelo de previsão de geração utilizando redes neurais e um modelo probabilístico, considerando as variáveis climáticas como temperatura, umidade relativa do ar, velocidade do vento e nível de insolação. Para o desenvolvimento do modelo previsor, monitoraram-se as variáveis climáticas de interesse, armazenando-as em um banco de dados. Com isso, treinou-se uma rede neural auto-organizável. Um modelo probabilístico de Markov recebe os estados da rede neural e determina a probabilidade dos patamares de geração para o período de tempo desejado a partir da entrada atualizada das medidas das variáveis climáticas. Toda a implementação foi realizada pela construção de algoritmos no ambiente de programação MATLAB. Os principais resultados obtidos se concentraram na obtenção das matrizes de estado e transição pelo modelo de Markov, calculando a probabilidade da geração n estados a frente. Testou-se o sistema para diversos conjuntos de estados de entrada, retornando graficamente a curva de geração com as probabilidades dos níveis de geração. O resultado final apresentado pelo modelo previsor descreve probabilidades de um patamar de geração migrar para outro. Ou seja, a chance da geração passar de um nível para o outro. Com os resultados obtidos pode-se avaliar a capacidade de geração de energia elétrica a partir de fontes solar e eólica. Verificou-se a influência das variáveis climáticas na previsão da geração, com a alteração do estado atual das variáveis de entrada. Para isto, retorna-se uma probabilidade de alteração entre um nível de geração e outro, determinado pelo modelo previsor desenvolvido. Os autores agradecem o apoio financeiro do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).