dc.creator | Ramos, Lucas Feksa | |
dc.date.accessioned | 2023-05-23T13:11:37Z | |
dc.date.available | 2023-05-23T13:11:37Z | |
dc.date.issued | 2019-12-19 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/29162 | |
dc.description.abstract | The increase in distributed generation (DG) participation is a reality, influencing the way it
generates, distributes and consumes electricity. Virtual Power Plant (VPP) will play an
important role in integrating decentralized power generation systems with markets. However,
the scheduling of distributed energy resources present in the VPP are important issues and
require commitment forecasts from participating units. Predicting production or demand
profiles is not a trivial task, as they rely heavily on weather characteristics, and the predictability
of consumer demand is inherently variable. The development of methodologies and tools to
meet these future uncertainties in different scenarios is relevant to the interests in the electricity
markets. Probability forecasts are growing as a tool for managing variability. In this context,
this thesis proposes a methodology for forecasting generation dispatches and individual user
demands by modeling stochastic uncertainty using Unscented Transform (UT) in a VPP. These
forecasts using UT were more satisfactory for more assertive decision making and better
estimates for likely scenarios, minimizing decision risks for VPP aggregators, thus reducing
their uncertainty about operations. The results validate the efficiency of the proposed technique
using data and simulations. The UT, when inserted in this scenario, presents a good performance
from a technical point of view in a VPP as evidenced in this thesis. Knowledge of the
predictability and uncertainties that UT provides in a VPP will leverage the assertiveness of
electrical scenarios, optimize economic results, leverage smart statistics, and improve electrical
system planning. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Transformada de incerteza | por |
dc.subject | Usina de energia virtual | por |
dc.subject | Previsão | por |
dc.subject | Redes inteligentes | por |
dc.subject | Recursos energéticos distribuídos | por |
dc.subject | Unscented transform | eng |
dc.subject | Virtual power plant | eng |
dc.subject | Forecast | eng |
dc.subject | Smart grid | eng |
dc.subject | Distributed energy resources | eng |
dc.title | Modelagem estocástica em usinas virtuais de energia utilizando transformada de incerteza | por |
dc.title.alternative | Stochastic modeling in virtual power plant using unscented transform | eng |
dc.type | Tese | por |
dc.description.resumo | O aumento das participações das gerações distribuídas (GD) é uma realidade, influenciando a
maneira com que se gera, distribui e consome energia elétrica no setor elétrico. A Usina de
Energia Virtual (Virtual Power Plant - VPP) desempenhará um papel importante na integração
dos sistemas de gerações de energia descentralizados com os mercados. Porém, os
agendamentos dos recursos energéticos distribuídos presentes na VPP são questões importantes
e necessitam de previsões de compromissos das unidades participantes. Prever os perfis das
produções ou demandas não é uma tarefa trivial, pois dependem fortemente de características
meteorológicas, além disso, a previsibilidade da demanda do consumidor é inerentemente
variável. O desenvolvimento de metodologias e ferramentas para conhecer essas incertezas
futuras em cenários distintos, é relevante para as participações nos mercados de eletricidade.
As previsões probabilísticas mostram-se em crescimento, como uma ferramenta para gerenciar
a variabilidade. Nesse contexto, esta tese propões uma metodologia para as previsões de
despachos das gerações e das demandas de usuários individuais, através da modelagem da
incerteza estocástica utilizando Transformadas de Incertezas (Unscented Transform - UT) em
uma VPP. Essas previsões utilizando a UT mostraram-se mais satisfatórias para tomadas de
decisões mais assertivas e obtenção de melhores estimativas para prováveis cenários,
minimizando os riscos de decisões para os agregadores das VPPs, reduzindo assim suas
incertezas quanto às operações. Os resultados validam a eficiência da técnica proposta utilizado
dados e simulações. A UT quando inserida nesse cenário apresenta bom desempenho do ponto
de vista técnico em uma VPP como evidenciado nessa tese. Os conhecimentos das
previsibilidades e incertezas que a UT fornece em um VPP poderão potencializar assertividade
de cenários elétricos, otimizar resultados econômicos, alavancar estatísticas inteligentes e
aprimorar o planejamento do sistema elétrico. | por |
dc.contributor.advisor1 | Canha, Luciane Neves | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6991878627141193 | por |
dc.contributor.referee1 | Menezes, Leonardo Rodrigues Araujo Xavier de | |
dc.contributor.referee2 | Carvalho, Ricardo Siqueira de | |
dc.contributor.referee3 | Rangel, Camilo Alberto Sepúlveda | |
dc.contributor.referee4 | Milbradt, Rafael Gressler | |
dc.creator.Lattes | http://lattes.cnpq.br/4278790639558306 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Engenharia Elétrica | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.unidade | Centro de Tecnologia | por |