• Informações do Trabalho

Titulo Modelo de rede neural Long short-term memory para previsão de cargas elétricas de sistemas de energia eólica Subtítulo Autor DIEGO DE SOUZA MARTINS Orientador LUCIANA CONCEICAO DIAS CAMPOS Resumo Atualmente, a questão energética tem sido debatida mundialmente, em principal, a geração de energia por fontes renováveis. Neste contexto, a energia eólica apresenta-se como uma das principais alternativas que visa atender as demandas sócio-ambientais e econômicas. Segundo o Balanço Energético Nacional, a participação da energia eólica na matriz energética brasileira em 2022 foi de 12,6\%, ficando atrás apenas da energia hidrelétrica, que teve participação de 58\%. Por ser uma fonte de energia limpa e renovável gerada a partir da transformação da energia cinética contida nas massas de ar em energia elétrica, a quantidade de energia produzida pelas turbinas eólicas depende das condições climáticas da região. Tais condições não podem ser controladas, acarretando dificuldade de integralização das usinas eólicas com a rede de matrizes energéticas. Neste trabalho são adotados modelos baseados em séries temporais recorrentes, especificamente a Rede Neural Recorrente LSTM (Long Short-Term Memory), utilizados para identificar os padrões de comportamento da série temporal, gerando previsões futuras de curto prazo. São abordados 2 modelos de previsão: o primeiro modelo utiliza apenas a série de dados de geração de energia eólica, denominado modelo univalorado, e o segundo, utiliza a série dados de geração de energia eólica e velocidade prevista do vento como variável exógena, denominado modelo multivalorado. Verificou-se que os modelos multivalorados apresentaram melhores resultados quando comparados aos modelos univalorados. A partir desses resultados, podemos concluir que a utilização de variáveis exógenas contribui de maneira significativa, aumentando a predição de cargas de energia eólicas através Rede Neurais LSTM. Palavras-Chave Series Temporais, Redes Neurais Recorrentes, energia eólica