Banca de DEFESA: NICKSSON CKAYO ARRAIS DE FREITAS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: NICKSSON CKAYO ARRAIS DE FREITAS
DATA: 08/02/2018
HORA: 14:00
LOCAL: UFERSA - Prédio da PROPPG, sala 20
TÍTULO:

UMA ABORDAGEM DE MINERAÇÃO DE DADOS PARA ESTIMATIVA DA VELOCIDADE DO VENTO

PALAVRAS-CHAVES:

Recursos Renováveis, Energia Eólica, Velocidade do Vento, Mineração de Dados, Bancos de Dados, Inteligência Artificial

PÁGINAS: 110
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Recursos renováveis são as alternativas mais promissoras para geração de energia, considerando que a extração de combustíveis fósseis tem causado fortes impactos no ecossistema terrestre e no clima. Como um recurso para produção de eletricidade, indústrias eólicas têm levado vantagem em relação às outras fontes e, consequentemente, a capacidade de geração eólica vem crescendo notavelmente no mundo inteiro. A oferta segura e sustentável de eletricidade demanda previsões de energia que são usadas para tomar decisões sobre o mercado elétrico e auxiliar atividades operacionais. No entanto, a saída de potência dos parques eólicos depende da natureza estocástica do vento, um recurso natural, intermitente, incerto e incontrolável. De fato, estimativas consistentes da velocidade do vento são necessárias para evitar prejuízos, facilitar aregulamentação de sistemas eólicos e aumentar a produtividade operacional nas indústrias através de uma tomada de decisão mais confiável. Todavia, a previsão de vento é um problema complexo e desafiador devido à falta de ferramentas apropriadas e aos eventos que influenciam as suas condições como rotação da terra, efeitos físicos e fatores climáticos. Para propor soluções neste contexto, ainda devemos considerar que dados meteorológicos têm acumulado enormes volumes de informação nos bancos de dados espaciais, o que demanda a investigação de meios relevantes para extração de informação estratégica. A tecnologia de mineração de dados constitui-se em solução para extrair, de forma semiautomática e inteligente, conhecimento relevante de enormes conjuntos de dados. Este trabalho apresenta uma abordagem de mineração de dados para previsão da velocidade do vento que tem baixo custo, contempla relevantes algoritmos de inteligência artificial e fornece recursos eficientes para tratamento de bancos de dados. A abordagem foiconstruída com base em limitações detectadas nos modelos de previsão da literatura e tem se mostrado promissora, flexível e bem fundamentada nos dois estudos de casos realizados no Brasil. Redes neurais, máquina de vetores de suporte, árvore de decisão e K-vizinho mais próximos são métodos envolvidos na construção de diversos modelos de previsão da velocidade do vento.

MEMBROS DA BANCA:
Interno - 877.083.964-68 - CARLA KATARINA DE MONTEIRO MARQUES - UERN
Externo à Instituição - JERFFESON TEIXEIRA DE SOUZA - UECE
Presidente - 718.640.914-87 - MARCELINO PEREIRA DOS SANTOS SILVA - UERN