Previsão de geração de energia elétrica renovável em curto prazo no estado do Ceará utilizando modelo de regressão prophet

Autores

DOI:

https://doi.org/10.33448/rsd-v11i7.29579

Palavras-chave:

Geração de Energia Elétrica; Energia Renovável; Modelos de previsão.

Resumo

O Brasil passou por um período de crise energética no último ano de 2021, devido às baixas dos rios que abastecem as hidrelétricas, sendo obrigado a acionar as usinas térmicas para o abastecimento de energia elétrica da população brasileira. Essa crise energética trás vários aspectos negativos, que podem ser evitados ou parcialmente evitados com a utilização de previsões que podem ajudar na tomada de decisões por parte dos Operadores do Sistema de Energia Elétrica. Dentro desta perspectiva este trabalho tem como objetivo principal prever a geração de energia elétrica renovável do estado do Ceará (CE) em um período de três dias à frente, através do modelo de previsão Prophet, algoritmo utilizado em grande escala pela rede social Facebook, utilizando dados de geração de energia elétrica extraído do site do Operador Nacional do Sistema (ONS). Os dados foram coletados de 01 de novembro de 2018 a 01 de março de 2021, totalizando 852 medições considerando intervalos diários. As previsões foram avaliadas pelas métricas de avaliação de modelos: RMSE, MSE e MAPE. Os dados foram divididos em 75% de dados de treinamento e 25% em dados de testes. Como resultado, observou-se que o modelo obteve um erro 5,5% levando em consideração a métrica MAPE.

Referências

Aslam, S., Herodotou, H., Ayub, N., & Mohsin, S. M. (2019). Deep Learning based Techniques to Enhance the Performance of Microgrids: A Review. International Conference on Frontiers of Information Technology (FIT).

Associação Brasileira de Energia Solar (ABSOLAR). Novembro de 2021. A partir de https://www.absolar.org.br/noticias/.

Associação Brasileira de Energia Eólica (ABEOLICA). Outubro de 2021. A partir de https://abeeolica.org.br/category/noticias/agencia-abeeolica/.

Câmara Comercializadora de Energia Elétrica (CCEE). Fevereiro de 2022. A partir de https://www.ccee.org.br/pt/web/guest/-/ccee-somava-12.240-agentes-ao-final-de-2021-14-a-mais-do-que-em-dezembro-de-2020#:~:text=A%20C%C3%A2mara%20de%20Comercializa%C3%A7%C3%A3o%20de,mercados%20de%20energia%20no%20pa%C3%ADs.

Divya, R., Gopika, N. P., & Manjula, G. N. (2019 ). ANN Based Solar Power Forecasting in a Smart Microgrid System for Power Flow Management” Innovations in Power and Advanced Computing Technologies.

Energia Eólica: Os bons ventos do Brasil. Novembro de 2021, a partir de http://abeeolica.org.br/wp-content/uploads/2021/11/2021_11_InfoVento23.pdf.

Escassez Hídrica. Operador Nacional do Sistema Elétrico. Setembro de 2021, a partir de http://www.ons.org.br/Paginas/Noticias/20210707-escassez-hidrica-2021.aspx.

Energia fotovoltaica: por que essa tecnologia vai brilhar cada vez mais. (2022). ABSOLAR. Março de 2022, a partir de https://www.absolar.org.br/noticia/energia-fotovoltaica-por-que-essa-tecnologia-vai-brilhar-cada-vez-mais/.

Gartner Top Strategic Technology Trends for 2021. Gartner. Setembro de 2021, a partir de https://www.gartner.com/smarterwithgartner/gartner-top-strategic-technology-trends-for-2021.

Haida, T., Muto, S. (1994). Regression based peak load forecasting using a transformation technique. Power Systems. IEEE Transactions.

Jurasz, J., Canales, F. A., Kies, A., Guezgouz, M., & Beluco, A. (2020). A review on the complementarity of renewable energy sources: Concept, metrics, application and future research directions. Elsevier. Solar Energy 195, 703–72.

Lyla, Y. 2019. Um Início Rápido da Previsão de Séries Temporais com um Exemplo Prático usando o FB Prophet.

Ludermir, T. B. (2021). Inteligência Artificial e Aprendizado de Máquina: estado atual e tendências. DOI: 10.1590/s0103-4014.2021.35101.007.

Khan, S., Paul, D., Momtahan, P., & Aloqaily, M. (2018). Artificial Intelligence Framework for Smart City Microgrids: State of the art, Challenges, and Opportunities. Third International Conference on Fog and Mobile Edge Computing (FMEC).

Métricas de avaliação para séries temporais. (2021). Alura. Junho de 2021, a partir de https://www.alura.com.br/artigos/metricas-de-avaliacao-para-series-temporais.

Mehrzadi, M., Terriche, Y., Su, C., Xie, P., Bazmohammadi, N., Costa, M. N., Liao, C., Vasquez, J. C., & Guerrero, J, M. 2020. A Deep Learning Method for Short-Term Dynamic Positioning Load Forecasting in Maritime Microgrids. Appl. Sci. 4889.

Ni, C., Ma, X., & Bai, Y. (2018). Convolutional Neural Network based power generation prediction of wave energy converter. Proceedings of the 24th International Conference on Automation & Computing, Newcastle University, Newcastle upon Tyne, UK, 6-7 September.

Nordeste Registra em Julho Dez Recordes de Energia Renovável. Operador Nacional do Sistema Elétrico. Setembro de 2021, a a partir de http://www.ons.org.br/Paginas/Noticias/20210804-nordeste-registra-em-julho-dez-recordes-de-geracao-renovavel.aspx.

Operador Nacional do Sistema. Novembro de 2021(a) a partir de http://www.ons.org.br/

Operador Nacional do Sistema. Nordeste registra em julho dez recordes de energia renovável. Julho de 2021(b) a partir de http://www.ons.org.br/Paginas/Noticias/20210804-nordeste-registra-em-julho-dez-recordes-de-geracao-renovavel.aspx#:~:text=O%20segundo%20semestre%20chegou%20trazendo,energia%20oriundos%20de%20fontes%20renov%C3%A1veis.

Pinto, L. I. C., Martins, F. R., & Pereira, E. B. (2017). O mercado brasileiro da energia eólica, impactos sociais e ambientais. Ambiente & Água - An Interdisciplinary Journal of Applied Science, ISSN 1980-993X – doi:10.4136/1980-993X.

Proposta conceitual para a Abertura do Mercado. (2021). CCEE- Câmara de Comercialização de Energia Elétrica. Setembro de 2021, a partir de https://static.poder360.com.br/2021/11/proposta-conceitual-abertura-mercado-livre.pdf.

Panorama da solar fotovoltaica no Brasil e no mundo. Novembro de 2021, a partir de https://www.absolar.org.br/mercado/infografico/.

Soares, M. A., & Costa, H. K. M. (2022). The Brazil’s power distribution utililites: anassessment about hydro crisisin 2001 and 2021. Conjecturas, ISSN: 1657-5830, Vol. 22, Nº 2.

Taylor, S. J., & Letham, B. (2017). Forecasting at scale. PeerJ Preprints 5:e3190v2. doi.org/10.7287/peerj.preprints.3190v2.

Veiga, R. Q., Lucena, A. J., & Wanderley, H. S. (2022). Influences of El Niño on the distribution of rainfall in the city of Rio de Janeiro. RA’EGA, O espaço geográfico em análise, Curitiba, PR, V.53, n.2, p.22–47.

Downloads

Publicado

18/05/2022

Como Citar

SILVA, F. E. M. da .; OLIVEIRA, L. M. de .; ANTUNES, F. L. M. .; SÁ JUNIOR, E. M. Previsão de geração de energia elétrica renovável em curto prazo no estado do Ceará utilizando modelo de regressão prophet. Research, Society and Development, [S. l.], v. 11, n. 7, p. e12711729579, 2022. DOI: 10.33448/rsd-v11i7.29579. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/29579. Acesso em: 23 nov. 2024.

Edição

Seção

Engenharias