Abstract:
RESUMO: A curva de potência de um aerogerador é a representação teórica da relação entre velocidade do vento e potência elétrica gerada. A estimação ou obtenção de curvas de potência a partir de dados medidos é fundamental para predição de potência elétrica gerada por um aerogerador isolado ou por um parque eólico como um todo. Em geral, curvas de potência são usadas para dimensionamento do aerogerador ou do parque eólico e também no monitoramento da condição de operação dos aerogeradores. Costuma-se utilizar modelos de regressão polinomial para estimação da curva de potência, mas há também soluções baseadas em outros modelos não lineares, tais como redes neurais artificiais e modelos logísticos cujos parâmetros são estimados via algoritmos de otimização meta-heurísticas. Nesta dissertação, contudo, é introduzida uma
solução alternativa baseada no sistema de inferência fuzzy de Takagi-Sugeno-Kang (TSK). A principal vantagem da abordagem proposta está em sua simplicidade e adequação ao problema de interesse. As funções de saída das regras do modelo TSK são lineares (mais exatamente equações da reta), cujos os parâmetros são estimados pelo método dos mínimos quadrados ordinário (MQO). A fim de lidar com a presença de outliers nos dados, o modelo TSK proposto é estendido pela substituição do método MQO por estimadores-M, que é um arcabouço de estimação robusta de parâmetros. A metodologia proposta é comparada com o estado da arte em estimação da curva de potência de aerogeradores e os resultados indicam um desempenho consistente da metodologia proposta em relação aos métodos avaliados. ABSTRACT: The power curve of a wind turbine is the theoretical representation of the relationship between wind speed and the generated electric power. The power curves estimate from measured data is
fundamental to predict the electric power generated by an isolated wind turbine or by the wind farm as a whole. In general, power curves are used to design wind turbines or wind farms and also wind turbine operation condition monitoring. It is usually used polynomial regression models to estimate the power curve, but there are also solutions based on other nonlinear models such as artificial neural networks and logistic models whose parameters are estimated via metaheuristic optimization algorithms. In this masters thesis, an alternative solution is introduced based on the Takagi-Sugeno-Kang (TSK) fuzzy inference system. The main advantage of the proposed approach lies in its simplicity and adequacy to the problem of interest. The output functions of the rules of the TSK model are linear (more precisely equations of the line), the parameters are estimated by the ordinary least squares (OLS) method. In order to deal with the presence of outliers in the data, the proposed TSK model is extended by replacing the MQO method with estimators- M, which is a robust parameter estimation framework. The proposed methodology is compared with the state of the art in estimation of the power curve of wind turbines and
the results indicate a consistent performance of the methodology proposed in relation to the evaluated methods.
