Previsão de curto prazo de cargas eólicas utilizando decomposição por análise espectral singular e redes neurais de regressão generalizada
A energia eólica representa uma importante fonte de energia renovável, que tem sido um dos focos para a transição de matrizes energéticas baseadas na queima de combustíveis fósseis por conta da sua natureza inesgotável, limpa e barata. No entanto, a quantidade de energia que será produzida é difícil de se prever devido a característica intermitente dos ventos, sendo necessário o desenvolvimento de métodos de previsão que leve em consideração as particularidades da geração eólica. Este trabalho busca demonstrar a aplicação de uma rede neural de regressão generalizada (GRNN - General Regression, Neural Networks) para previsão de cargas eólicas de curto prazo, nos períodos de 1 hora, 2 horas, 3 horas, 6 horas, 12 horas e 24 horas a frente. A rede obteve resultados aceitáveis para previsões 1h a frente, mas o erro do modelo aumentou conforme o aumento do horizonte temporal. De maneira geral, os resultados obtidos indicam que utilizar somente a GRNN ainda não é adequado para realizar a previsão de horizontes maiores. A análise espectral singular (SSA - Singular Spectrum Analysis) será utiliza na segunda etapa deste trabalho para decompor a série temporal original em uma soma de componentes independentes e interpretáveis. É esperado que após a decomposição da série original em subséries mais estáveis, a GRNN tenha uma maior capacidade de generalização e aumente a precisão das previsões.