Um estudo comparativo da aplicação de redes neurais artificiais na previsão de geração eólica

Resumen

O presente trabalho tem como objetivo comparar modelos, de redes neurais artificiais, para previsão de geração eólica. A base de dados fornecida pelo Operador Nacional do Sistema Elétrico (ONS) apresenta uma série histórica de geração de energia, do parque eólico de Icaraizinho, no Ceará, no período entre 2010 e 2020. Modelos de previsão, baseados em redes neurais LSTM (Bidirectional Long Short Term Memory), GRU (Gated Recurrent Units), CNN (Convolutional neural network) e BIGRU-CNN (Bidirectional Gated Recurrent Units - Convolutional neural network), foram implementados na linguagem python, utilizando o framework Keras. Resultados obtidos, dos quatro modelos, foram comparados por meio das métricas RSME (Root Mean Squared Error), MAPE (Mean Absolute Percent Error) e MAE (Mean Absolute Error). Verificou-se, para um horizonte de curto prazo, que o modelo híbrido BIGRU-CNN apresentou melhor desempenho.

Biografía del autor/a

Leandro de Oliveira, Universidade Tecnológica Federal do Paraná - UTFPR

Filiação institucional: Universidade Tecnológica Federal do Paraná

PPTGCA: Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio

José Airton Azevedo dos Santos, Universidade Tecnológica Federal do Paraná - UTFPR
Programa de Pós-graduação em tecnologias Computacionais para o Agronegócio (PPGTCA)
Publicado
2023-04-23
Cómo citar
de Oliveira, L., & dos Santos, J. A. A. (2023). Um estudo comparativo da aplicação de redes neurais artificiais na previsão de geração eólica. REVISTA CEREUS, 15(1), 105-119. Recuperado a partir de http://ojs.unirg.edu.br/index.php/1/article/view/4067