Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 650
Aluno: Diogo Medeiros de Almeida
Orientador: Prof. Daniel Carvalho da Cunha
Coorientador: Prof. Paulo Salgado Gomes de Mattos Neto
Título: Um Novo Método para Reconhecimento de Padrões Locais por Meio de
Ensembles Aplicado a Séries Temporais de Velocidade do Vento
Data: 03/12/2024
Hora/Local: 14h00 – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática)
Prof. Leandro Maciel Almeida (UFPE / Centro de Informática)
Prof. Divanilson Rodrigo de Sousa Campelo (UFPE / Centro de Informática)
Prof. Manoel Henrique da Nóbrega Marinho (UPE / Escola Politécnica de PE)
Prof. Paulo Renato Alves Firmino (UFCA/ Centro de Ciências e Tecnologia)
RESUMO:
Os sistemas de energia eólica dependem da previsão da velocidade do vento para planejamento, programação, manutenção e controle. No entanto, as séries temporais de velocidade do vento são complexas, tornando o reconhecimento de padrões desafiador, principalmente para métodos individuais com a limitação de mapeamento global. Uma alternativa é a utilização de modelos híbridos, que combinam diferentes métodos incorporando múltiplas hipóteses, e assim oferecem maior precisão preditiva e redução das incertezas. Os Ensembles e os modelos de correção de erros são dois tipos de modelos híbridos. Alguns ensembles têm o objetivo capturar padrões locais ao longo do tempo, enquanto os modelos de correção de erros buscam mapear uma combinação de padrões lineares e não lineares. Nessa pesquisa, combinamos ensembles e modelos de correção de erros para criar um modelo híbrido chamado LocLN, que incorporou reconhecimento de padrões locais lineares e não lineares. Nossa proposta demonstrou sua eficácia em dez séries temporais de velocidade do vento. Somente em uma das dez bases de dados, dois dos 18 modelos concorrentes superaram o LocLN no teste de hipótese de Diebold-Mariano (DM) sobre o erro quadrático médio (RMSE). Os modelos concorrentes empregaram mapeamentos globais e locais de métodos encontrados na literatura, que envolvem ensembles, modelos de correção de erros, e modelos individuais.
Palavras-chave: Energia eólica, velocidade do vento, previsão de séries temporais, ensembles, padrões locais.
Comentários desativados