Aplicação do PSO para Otimização de Previsão de Energia Eólica

Resumo

A energia eólica ocupa uma importante parcela da matriz energética brasileira. Em 2019 a energia oriunda de fontes eólicas apresentou cerca de 9,1% da matriz com a capacidade de instalada de 15,45 GW (ABEEÓLICA, 2020). Um dos problemas encontrados na operação e implantação de energia eólica é a intermitência dos ventos (SILVA, 2003) o que ocasiona uma sazonalidade nas velocidades dos ventos. Devido a essa natureza intermitente a previsão de energia eólica necessita utilizar-se de metodologias que apresentem o menor erro possível no cálculo de previsibilidade (MACIEIRA, 2011). A distribuição de probabilidade Weibull é uma das opções utilizadas para modelar as previsões de energia eólica (SILVA, 2003). A mesma possui dois parâmetros principais: forma e escala. Diversos métodos foram estudados para otimizar os parâmetros dessa distribuição de modo que as mesmas apresentassem previsões semelhantes aos futuros dados reais de produção de energia eólica (ARAÚJO e MARINHO, 2019). Algoritmo de enxames para otmização dos parâmetros de Weibull com essa mesma finalidade foram introduzidos por Carneiro et al. (2016). Neste trabalho foram utilizados algoritmos oriundos do PSO (Particle Swarm Optimization) com 30 partículas em campo de busca bidimensional para verificar a adequação do mesmo na otimização dos parâmetros de forma e de escala da distribuição de probabilidade Weibull. Esses cálculos foram realizados com a base de dados de médias mensais de onze anos das velocidade dos ventos fornecidos pelo INMET referentes a três cidades do estado de Pernambuco: Arcoverde, Cabrobró e Triunfo. Os erros de previsões encontrados nas simulações do PSO foram comparados aos erros do método da Energia Padrão através da métrica RMSE (Root Mean Saquare). O valores RMSE encontrados através do PSO foram menores em relação aos encontrados no método EP. Logo o cálculo dos parâmetros da distribuição de probabildadde Weibull através do PSO demonstraram produzir valores de parâmetros com maior adequação aos dados utilizados como base o que ocasionou otimização referente a previsibilidade de produção de energia eólica nas regiões estudadas.
 
Palavras-chave: Particle Swarm Optimization; Distribuição de probabilidade Weibull; Energia Eólica; Otimização.
 
 
 
 
 
 
 
 
 
 
Referências
 
 
ARAÚJO, Pedro Henrique Meira de et al. Analysis of Hydro-Wind Complementarity in State of Pernambuco, Brazil by means of Weibull Parameters. IEEE Latin America Transactions, v. 17, n. 04, p. 556-563, 2019.
 
ASSOCIAÇÃO BRASILEIRA DE ENERGIA EÓLICA - ABEEÓLICA. Boletim anual de geração, 2020.
 
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 12653. Materiais pozolânicos. Rio de Janeiro, 2014.
 
CARNEIRO, Tatiane C. et al. Particle swarm optimization method for estimation of Weibull parameters: a case study for the Brazilian northeast region. Renewable energy, v. 86, p. 751-759, 2016.
 
MACEIRA, M. E. P. et al. Modelagem estatística de ventos para a utilização nos modelos de planejamento e operação. Florianópolis–Santa Catarina. XXI SNPTEE–Seminário Nacional de Produção e Transmissão de Energia Elétrica, 2011.
 
SILVA, Gustavo Rodrigues. Características de Vento da Região Nordeste: análise, modelagem e aplicações para projetos de centrais eólicas. 2003. Dissertação de Mestrado. Universidade Federal de Pernambuco.
 
​