Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Menezes, Moisés Lima de | - |
Autor(es): dc.contributor | Carvalho, Marcia Marques de | - |
Autor(es): dc.contributor | Sanfins, Marco Aurelio dos Santos | - |
Autor(es): dc.creator | Martins, Guilherme Cruvello da Silveira | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:34:49Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:34:49Z | - |
Data de envio: dc.date.issued | 2020-06-24 | - |
Data de envio: dc.date.issued | 2020-06-24 | - |
Data de envio: dc.date.issued | 2017 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/14119 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/773290 | - |
Descrição: dc.description | A 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.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Singular spectrum analysis | - |
Palavras-chave: dc.subject | Análise de cluster | - |
Palavras-chave: dc.subject | Velocidade do vento | - |
Palavras-chave: dc.subject | Cross validation | - |
Palavras-chave: dc.subject | Análise espectral | - |
Palavras-chave: dc.subject | Análise de agrupamento | - |
Palavras-chave: dc.subject | Energia eólica | - |
Título: dc.title | Análise de clusters, singular spectrum analysis e cross validation na previsão de velocidade do vento | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: