No abstract

No abstract

ResumoEsse trabalho tem como objetivo realizar previsões de séries temporais da velocidade do vento em termos de médias mensais no nordeste brasileiro. Foram testados os seguintes modelos de séries temporais, Auto-Regressivo Integrado de Médias Móveis (ARIMA) e Holt-Winters (HW), e também inteligência artificial computacional com o uso de Redes Neurais Artificiais (RNA). E ainda foram testados dois modelos híbridos, o primeiro com combinação dos modelos ARIMA e RNA, o qual existem trabalhos na literatura, e o segundo trata-se de uma tentativa de combinação dos modelos HW e RNA. As séries ajustadas obtidas pelos modelos híbridos, mostram-se eficientes em acompanhar o perfil das séries observadas das regiões de estudo, com semelhanças aos dados observados em termos de máximos e mínimos, indicando assim, a capacidade dos modelos em representar sazonalidades. O cálculo da estatística de erros envolvendo o modelo híbrido (HW e RNA) obteve os menores valores em Fortaleza, São Luís e Natal, por exemplo, com valores de erros percentuais de 3,80%, 4,91% e 2,85%, respectivamente. A redução das variáveis da estatística de erros por parte dos modelos híbridos quando comparado separadamente a utilização dos modelos (ARIMA, HW e RNA) poderá influenciar nas precisões das velocidades dos ventos previstas. Palavras-chaves: energias renováveis, ARIMA, RNA, Holt-Winters. Time Series Forecasting Methods and Hybrid Modeling both Applied onMonthly Average Wind Speed for Regions of Northeastern Brazil. AbstractThe objective of this work is to perform time series forecasts of wind speed in terms of monthly averages in the Brazilian Northeast. The following time-series models, Auto-Regressive Integrated Moving Average (ARIMA) and Holt-Winters (HW) were tested, as well as computational artificial intelligence with the use of Artificial Neural Networks (ANN). In addition, two hybrid models were tested, the first with a combination of the ARIMA and ANN models, which work in the literature, and the second is an attempt to combine HW and ANN models. The adjusted series obtained by the hybrid models, are efficient to follow the profile of the observed series of the study regions, with similarities to the data observed in terms of maxima and minima, thus indicating the capacity of the models to represent seasonalities. The calculation of error statistics involving the hybrid (HW and ANN) model obtained the lowest values in Fortaleza, São Luís and Natal, for example, with percent error values of 3.80%, 4.91% and 2.85%, respectively. The reduction of the statistical variables of errors by the hybrid models when comparing the use of the models (ARIMA, HW and ANN) separately may influence the predictions of expected wind velocities.

Nesse trabalho é realizado uma previsão de velocidade média do vento para a cidade de Ubajara região serrana do Estado do Ceará – Brasil, através de modelagem Auto-Regressiva de Médias Móveis – ARMA. A busca por métodos de previsão de velocidade do vento poderá garantir ainda mais investimentos em geração eólica tendo em vista que isso poderar ser um fator adicional na implantação de novos parques eólicos em diversas regiões do país. Nos últimos anos o Estado do Ceará é uma das regiões do território brasileiro que mais crescem em potencia eólica instalada, exemplo disso é que em 1999 possuia um valor de 5 MW, já no ano de 2014 possui um valor de 1,2 GW. A eficácia da previsão é afirmada mediante a análise de erros realizada comparando-se as séries real e prevista. A média do erro absoluto foi de aproximadamente 0,10 m/s, o erro quadrático médio foi de 0,37 m/s, e a média do erro absoluto percentual foi de 4,82 %.

No presente trabalho foi realizado um estudo de previsão da média mensal de velocidade do vento para a cidade de Caucaia, litoral do Estado do Ceará no nordeste do Brasil. Para isso foi utilizado o modelo aditivo de Holt-Winters, a partir dos dados de velocidade do vento ao nível de 10 m de altura no período de janeiro de 2004 até dezembro de 2005, coletados da Fundação Cearense de Meteorologia e Recursos Hídricos. A previsão mostrou-se eficiente baseada no fato de que a análise de erro realizada forneceu valores (em geral) reduzidos como, por exemplo, existe um o erro percentual médio da previsão comparado ao observado de apenas 3,5%. Dessa forma foi possível identificar que os dados previstos conseguem acompanhar o perfil dos dados observados indicando assim a viabilidade do modelo para a região de estudo. Esse trabalho poderá ser utilizado como uma ferramenta de previsão de velocidade do vento, visando o estudo e avanço da geração eólio-elétrica em diversas regiões do país, proporcionando aos tomadores de decisão a instalação de novos parques eólicos, visto que haverá possibilidade de conhecer o regime local de intensidade de vento futuro.

RESUMOEsse trabalho tem como objetivo fazer previsão de radiação solar para geração de energia elétrica no Estado do Ceará, nordeste Brasileiro. Para isso, foi realizado comparação de métodos estatísticos de previsão (médias móveis e projeção exponencial) para geração de séries temporais, aplicados a radiação solar incidente, cujos dados reais foram medidos nas dependências do FORECASTING SOLAR RADIATION INCIDENT IN CEARÁ STATE -BRAZIL ABSTRACTThis study aims to forecast solar radiation to electricity generation in the state of Ceara, northeastern Brazil. For this, we performed comparative statistical forecasting methods (moving average and exponential projection) to generate time series, applied to incoming solar radiation, whose real data were measured in the Department of Electrical Engineering (DEE) of the Federal University of Ceará (UFC), Fortaleza campus, owned by the Laboratory of Alternative Energy -LEA UFC. With this research, it was found that the exponential projection method is the best choice to perform a time-series forecast from the data mentioned. This conclusion is based on the fact that this method for both the rainy season, as the dry period, provides the smallest RMSE values as, for example, for the month of October in 17 hours: 00 have 1.40 W/m², and the MAPE, we have the value of 4.48% also for the month of October the 13: 00h.

This work proposes hybrid models combining time-series models (using linear functions) and artificial intelligence (using a nonlinear function) that can be used to provide monthly mean wind speed predictions for the Brazilian northeast region. These might be useful for wind power generation; for example, they could acquire important information on how the local wind potential can be usable for a possible wind power plant through understanding future wind speed values. To create the proposed hybrid models, it was necessary to set the wind speed variable as a dependent variable of exogenous variables (i.e., pressure, temperature, and precipitation). Thus, it was possible to consider the meteorological characteristics of the study regions. It is possible to verify the hybrid models' efficiency in providing perfect adjustments to the observed data. This statement is based on the low values found in the error statistical analysis, i.e., an error of approximately 5.0% and a Nash-Sutcliffe coefficient near to 0.96. These results were certainly important in predicting the wind speed time-series, which was similar to the observed wind speed time-series profile. Great similarities of maximums and minimums between the series were evident and showed the capacity of the models to represent the seasonality characteristics.

O presente artigo mostra metodologias capazes de realizar previsões de velocidade do vento com boa acurácia as quais poderão ser aplicadas no setor de geração eólica. Para isso, dados de velocidade dos ventos das regiões de Fortaleza, Parnaíba e São Luís localizadas no Nordeste Brasileiro (NEB) foram aplicados aos modelos de previsão de séries temporais - Auto Regressivo Integrado de Médias Móveis (ARIMA), Holt-Winters (HW) e Redes Neurais Artificiais (RNA), e comparados entre si com a finalidade de identificar o de melhor performance. O período compreende janeiro de 2010 até dezembro 2014. O modelo RNA apresentou os melhores valores das medidas de acurácia, principalmente o erro percentual entre as séries observadas e simuladas cujos valores foram de 8,74% (Fortaleza) e 10,50% (São Luís). A localidade de Parnaíba os valores dos erros foram menores para o modelo ARIMA, com erro percentual de 9,70%. As séries temporais previstas pelos modelos conseguem representar características importantes, particularmente, as menores intensidades da média mensal da velocidade do vento (período chuvoso), seguido das maiores intensidades da média mensal da velocidade do vento (período seco).