O aumento da participação de fontes de energias renováveis variáveis
(ERVs) na matriz elétrica do Brasil traz diversos desafios ao planejamento e Ã
operação do Sistema Elétrico Brasileiro (SEB), devido à estocasticidade das
ERVs. Tais desafios envolvem a modelagem e simulação dos processos
intermitentes de geração e, dessa forma, um volume considerável de pesquisas
tem sido direcionado ao tema. Nesse contexto, um tópico de crescente
importância na literatura relaciona-se ao desenvolvimento de metodologias para
simulação estocástica conjunta de recursos intermitentes com caracterÃsticas
complementares, como, por exemplo, as fontes eólica e solar. Visando contribuir
com essa temática, este trabalho propõe melhorias a um modelo de simulação
já estabelecido na literatura, avaliando sua aplicabilidade a partir de dados do
Nordeste brasileiro. A metodologia proposta baseia-se em discretização das
séries temporais de energia aplicando a técnica de machine learning k-means,
construção de matrizes de transição de estados com base nos clusters
identificados e simulação de Monte Carlo para obtenção dos cenários. As séries
sintéticas obtidas são comparadas aos resultados gerados pelo modelo já
estabelecido na literatura a partir de técnicas estatÃsticas. Quanto ao alcance dos
objetivos da pesquisa, a modelagem proposta se mostrou mais eficiente,
gerando cenários que reproduziram satisfatoriamente todas as caracterÃsticas
dos dados históricos avaliadas.
|