Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMenezes, Moisés Lima de-
Autor(es): dc.contributorCarvalho, Marcia Marques de-
Autor(es): dc.contributorSanfins, Marco Aurelio dos Santos-
Autor(es): dc.creatorMartins, Guilherme Cruvello da Silveira-
Data de aceite: dc.date.accessioned2024-07-11T18:34:49Z-
Data de disponibilização: dc.date.available2024-07-11T18:34:49Z-
Data de envio: dc.date.issued2020-06-24-
Data de envio: dc.date.issued2020-06-24-
Data de envio: dc.date.issued2017-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14119-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/773290-
Descrição: dc.descriptionA demanda de energia elétrica cresce exponencialmente com o aumento da população mundial e da modernização. Ser capaz de gerar e consumir energia limpa ́e um enorme desafio. Neste cenário, a energia eólica surge como uma possível fonte de energia complementar a energia hidrelétrica instalada no Brasil. Porém, este tipo de energia depende de série fatores climáticos que mudam constantemente com o tempo. Por este motivo, ser capaz de prever a velocidade do vento ́e um importante papel para o planejamento e a gestão das cidades. Este trabalho propôs a modelagem estatística de séries temporais com o auxílio da filtragem Singular Spectrum Analysis e da divisão Cross Validation. A primeira técnica busca decompor e reconstruir a série temporal sem a componente ruidosa, já o segundo método busca reestimar a série de forma iterativa com a adição de uma nova observação a cada instante de tempo. Para validação da previsão estatística foram utilizadas as seguintes estatísticas de aderência: RMSE, BIC, R2 e MAPE nos dados mensais de velocidade média do vento (em m/s) do município de Campos dos Goytacazes no Estado do Rio de Janeiro de janeiro de 2012 à dezembro de 2016. Os resultados apontam para essa amostra um ajuste melhor nos modelos in-sample após aplicação do filtro SSA. Já para previsão fora da amostra teve as melhores estatísticas de aderência com a combinação do filtro SSA junto da divisão do Cross Validation, mostrando ser um resultado promissor para o planejamento da energia eólica como fonte de energia-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectSingular spectrum analysis-
Palavras-chave: dc.subjectAnálise de cluster-
Palavras-chave: dc.subjectVelocidade do vento-
Palavras-chave: dc.subjectCross validation-
Palavras-chave: dc.subjectAnálise espectral-
Palavras-chave: dc.subjectAnálise de agrupamento-
Palavras-chave: dc.subjectEnergia eólica-
Título: dc.titleAnálise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.