Banca de QUALIFICAÇÃO: DURVAL CAMARGO RANGEL DE SOUZA BRITO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: DURVAL CAMARGO RANGEL DE SOUZA BRITO
DATA: 20/08/2025
HORA: 16:00
LOCAL: Virtual
TÍTULO:

Uso de aprendizagem de máquina para estimar energia potencial de aerogeradores

PALAVRAS-CHAVES:

Energia Eólica; Aprendizagem de Máquina; Curva de Potência; Torres de
Medição Eólica; Detecção de Anomalias.

PÁGINAS: 66
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Eletrônica Industrial, Sistemas e Controles Eletrônicos
RESUMO:

A transição energética global tem impulsionado o crescimento da energia eólica, especialmente no Brasil, onde representa 12,8% da matriz elétrica. A operação eficiente de parques eólicos requer estratégias sofisticadas para maximizar a extração de energia, considerando a intermitência do recurso eólico e os desafios operacionais. Este trabalho propõe uma metodologia baseada em inteligência artificial para estimativa da energia potencial de aerogeradores, utilizando dados de sistemas SCADA e torres de medição eólica (TME). A abordagem integra técnicas de filtragem de dados, detecção de anomalias e algoritmos de aprendizagem de máquina para desenvolver modelos capazes de estimar o desempenho ótimo de turbinas eólicas. A metodologia é estruturada em cinco etapas: análise exploratória dos dados, filtragem paramétrica e não-paramétrica utilizando Floresta de Isolamento, desenvolvimento de modelos ensemble e comparação de quatro algoritmos (Random Forest, SVM, Árvore de Decisão e MLP) e aplicação para cálculo de perdas energéticas. Os dados utilizados compreendem um aerogerador GE de 2,5 MW localizado em Xique-Xique, Bahia, com 31 variáveis SCADA e dados meteorológicos de 6 TMEs próximas, totalizando 51.564 amostras entre janeiro de 2024 e janeiro de 2025. A filtragem de dados resultou em 71,2% de amostras aproveitáveis, removendo períodos de paradas, limitações e operação degradada. Os resultados preliminares demonstram que o modelo Random Forest alcançou o melhor desempenho com R2 de 0,9804 e RMSE de 0,0527, utilizando seis fontes de dados disponíveis. A análise da hierarquia de relevância das fontes revelou que as três mais importantes (LAJ03, L-III-01 e AS503) representam posições estratégicas em relação ao fluxo de vento predominante. A aplicação prática do modelo indica eficiência energética entre 94,0% e 95,7% para o período analisado, evidenciando perdas de 4,3% a 6,0% devido a paradas e limitações operacionais. A abordagem proposta supera limitações dos métodos tradicionais baseados na norma IEC 61400-12-1, oferecendo maior precisão na estimativa de energia potencial e contribuindo para a otimização operacional de parques eólicos brasileiros.

MEMBROS DA BANCA:
Interno - WILIAN SOARES LACERDA (Membro)
Interno - SILVIA COSTA FERREIRA (Membro)
Interno - DANTON DIEGO FERREIRA (Suplente)
Presidente - BRUNO HENRIQUE GROENNER BARBOSA (Membro)