REGRESSÃO QUANTÍLICA: UMA ANÁLISE PARA A GERAÇÃO DE ENERGIA EÓLICA E VELOCIDADE DO VENTO

REGRESSÃO QUANTÍLICA: UMA ANÁLISE PARA A GERAÇÃO DE ENERGIA EÓLICA E VELOCIDADE DO VENTO

Aguilar, Soraida; Souza, Reinaldo Castro

Artigo Completo:

Atualmente, a velocidade do vento é uma fonte de energia renovável que desempenha um papel muito importante para mitigar o impacto do consumo de energia de duas maneiras: redução de combustíveis fósseis e contribuição para a confiabilidade dos sistemas de energia elétrica. Diferentes abordagens têm sido usadas para fornecer previsões de energia eólica pois, para uma determinada velocidade do vento, a geração eólica pode representar valores diferentes, o que implica uma relação estocástica entre a velocidade do vento e a produção eólica. Neste trabalho é utilizada uma análise baseada em regressão quantílica, a qual permite abordar esta dificuldade. Para isso, as previsões de energia eólica são obtidas usando dados de um parque eólico no Brasil para validar o modelo proposto. Os resultados são encorajadores e mostram que o modelo é robusto e eficiente pois a sua estimação via otimização não requer que seja considerada hipótese nenhuma sobre a distribuição dos erros.

Atualmente, a velocidade do vento é uma fonte de energia renovável que desempenha um papel muito importante para mitigar o impacto do consumo de energia de duas maneiras: redução de combustíveis fósseis e contribuição para a confiabilidade dos sistemas de energia elétrica. Diferentes abordagens têm sido usadas para fornecer previsões de energia eólica pois, para uma determinada velocidade do vento, a geração eólica pode representar valores diferentes, o que implica uma relação estocástica entre a velocidade do vento e a produção eólica. Neste trabalho é utilizada uma análise baseada em regressão quantílica, a qual permite abordar esta dificuldade. Para isso, as previsões de energia eólica são obtidas usando dados de um parque eólico no Brasil para validar o modelo proposto. Os resultados são encorajadores e mostram que o modelo é robusto e eficiente pois a sua estimação via otimização não requer que seja considerada hipótese nenhuma sobre a distribuição dos erros.

Palavras-chave:

DOI: 10.5151/spolm2019-175

Referências bibliográficas

• [1] GWEC. Global wind report 2018. Global Wind Energy Council, Bruxelas, Bélgica, Reporte técnico. Disponível em: <https://gwec.net/wp-content/uploads/2019/04/GWEC-Global-Wind-Report-2018.pdf>. Acesso em: 08 abr. 2019. [2] WILLIAMS, James H. et al. The technology path to deep greenhouse gas emissions cuts by 2050: the pivotal role of electricity. Science, v. 335, n. 6064, p. 53-59, 2012. [3] SURYAWANSHI, Anup; GHOSH, Debraj. Wind speed prediction using spatio-temporal covariance. Natural Hazards, v. 75, n. 2, p. 1435-1449, 2015. [4] VARGAS, Soraida Aguilar et al. Wind power generation: a review and a research agenda. Journal of Cleaner Production, v. 218, n. 1, p. 850-870, 2019. [5] KOENKER, Roger; BASSETT JR., Gilbert. Regression quantiles. Econometrica: Journal of the Econometric Society, v. 46, n. 1, p. 33-50, 1978. [6] KOENKER, Roger. Quantile Regression. Cambridge University Press, 2005. [7] HAO, Lingxin; NAIMAN, Daniel Q.; NAIMAN, Daniel Q. Quantile regression. Series: Quantitative Applications in the Social Sciences. Sage, 149, 2007.

Como citar:

Aguilar, Soraida; Souza, Reinaldo Castro; "REGRESSÃO QUANTÍLICA: UMA ANÁLISE PARA A GERAÇÃO DE ENERGIA EÓLICA E VELOCIDADE DO VENTO", p-2422-2437. In: Anais do XIX Simpósio de Pesquisa Operacional & Logística da Marinha. São Paulo: Blucher, 2020.
ISSN 21756295, DOI 10.5151/spolm2019-175