Planejamento de geração de energia complementar térmica associada a energias renováveis utilizando inteligência artificial
Visualizar/ Abrir
Data
2019-07-29Primeiro membro da banca
Guarda, Fernando Guilherme Kaehler
Segundo membro da banca
Figueiredo, Rodrigo Marques de
Metadata
Mostrar registro completoResumo
O sistema elétrico brasileiro possui uma matriz de geração de energia elétrica diversificada,
porém é composto principalmente por geração hidrotérmica. Nesse sentido, o planejamento
operacional de um sistema como este pode ser detalhado como um problema de otimização em
grande escala, em que é necessário fazer o uso dos recursos de maneira racional, através de
operações dinâmicas, estocásticas, interligadas e não-lineares. A geração de energia elétrica é
susceptível à variações climáticas, uma vez que a redução de precipitação causa a redução dos
níveis dos reservatórios das usinas hidrelétricas e, consequentemente, uma diminuição no
potencial de geração de energia. Nos últimos anos, a geração eólica de energia tem crescido,
emergindo como uma alternativa para evitar uma possível crise energética. No entanto, esta
fonte de energia requer um planejamento adequado para operação do sistema de maneira segura
e confiável, pelo fato de ser uma fonte geradora intermitente, além de ser considerada de baixa
previsibilidade. Nesse sentido, a fim de contornar as limitações das fontes de energia já citadas,
faz-se necessário garantir o atendimento de potência por fontes de energia confiáveis, como a
geração térmica, pois esta não sofre influências externas, como dependência de fenômenos
naturais (chuva, vento, iluminação solar). Dentre as fontes térmicas que compõem a matriz de
geração de energia elétrica brasileira, o Gás Natural tem se tornado o principal combustível por
ser menos agressivo ao meio ambiente em comparação com outros combustíveis, e pela oferta
nacional comprovada, que o caracteriza como referência de expansão a curto prazo. Assim, este
estudo propõe uma estrutura de modelagem e simulação a curto prazo para prever a capacidade
de produção de energia elétrica para o parque de geração do Subsistema Sul do Brasil (SSB),
analisando a previsão de geração e dando destaque na complementariedade de energia imposta
a geração térmica, levando em conta séries históricas de operação. Para a modelagem da
previsão de geração de energia elétrica, foi empregada uma estrutura de Redes Neurais
Artificiais Perceptron Multicamadas (RNA PM), devido a sua capacidade de aprendizado de
relações não lineares complexas entre variáveis de entrada e saída a partir de um banco de
dados. Além disso, para gerar multicenários (crítico, ideal e otimista), o Método de Monte Carlo
(MMC) foi utilizado. Os resultados de previsão obtidos via RNA PM teve para MAE e RMSE
respectivamente as taxas de 3,22% e 4,01% para geração hídrica, e de 5,36% e 6,31% para
geração eólica. Além disso, com resultados entre a junção das RNA PM e MMC foi possível
quantificar a disponibilidade de energia dos parques de geração do SSB frente a condições
adversas, ressaltando a importância do modelo de previsão para auxílio no planejamento e
operação de um sistema elétrico.
Coleções
Os arquivos de licença a seguir estão associados a este item: