USO DE REDES NEURAIS ARTIFICIAIS NA MODELAGEM PREDITIVA PARA O VENTO: UMA APLICAÇÃO PARA O NORDESTE
Torres Anemométrica. Redes Neurais artificiais. Previsão do Vento. Matriz energética. Geração de Energia. Eólica.
O sistema de geração de energia eólica no Brasil, principalmente na região Nordeste, vem expandindo exponencialmente e para o projeto de construção e montagem de um parque eólico umas das principais informações da região é o vento, e através de artifícios matemáticos é possível prever e estimar seu potencial. Esta dissertação propõe elaborar um sistema capaz de realizar a previsão do vento utilizando redes neurais artificiais, baseada em dados coletados de torres anemométricas. O estudo contribuirá para melhorar a eficiência dos parques, bem como a manutenção dos aerogeradores e ainda colaborar com a distribuição da matriz energética no país, uma vez que com a informação prévia do vento será possível realizar agendamento para paradas programadas para manutenção dos parques e em épocas de maior produção energética terá um ótimo escoamento dessa energia. Na base do estudo da previsão do vento, serão utilizados dados das torres anemométricas, que tem como finalidade a coleta de informações de campo, informações tipo: Velocidade do vento, temperatura, direção do vento e umidade em determinadas alturas. A partir do histórico dessas variáveis, que serão coletados online nas bases de dados de órgãos nacionais, será possível treinar uma rede neural artificial (RNA) para traçar o perfil do vento na região para as épocas do ano. Para isto, serão aplicadas duas metodologias distintas. A primeira no tratamento de variáveis de entrada e no segundo momento, que será o treinamento da RNAs, serão aplicadas as seguintes ferramentas: o software MATLAB, da MathWorks® e apoio do software EXCEL, da Microsoft®, ao longo da pesquisa, serão definidos os tipos da arquitetura utilizada, consequentemente o modelo, bem como as quantidades de neurônio na camada oculta da rede. Dessa forma pretende-se encontrar como resultado a arquitetura, modelo e número de neurônios adequados para a modelagem do problema, como resultado apresentar a previsão de vento na região.