4.4.1 Introdução
Nesta secção é descrita toda a metodologia utilizada para a construção do modelo de previsão, utilizando o software NW-KDE que já foi descrito anteriormente. O objetivo é claro, obter o melhor modelo de previsão possível para o caso específico do parque Eólico em Cobadin. De entre os dados fornecidos foram recolhidas as variáveis utilizadas para a construção dos vários modelos de previsão. De entre as inúmeras variáveis retirou-se a velocidade do vento e a sua respetiva direção, a temperatura, a pressão e a hora. Para tal, é utilizada uma abordagem essencialmente estatística, uma vez que as variáveis de entrada dizem respeito a dados históricos de produção e de condições meteorológicas do local.
4.4.2 Estrutura
Na construção dos vários modelos de previsão adotou-se um horizonte temporal de curto prazo, como a previsão para o dia seguinte. Como as propostas de compra e venda são efetua- das com um dia de antecedência (Dia D), tendo em conta o que será produzido no dia seguinte ou seja o (Dia D+1) os mercados, neste caso o mercado da Roménia, são favorecidos com o uso des- tes instrumentos de previsão. Isto deve-se ao facto de ter o conhecimento ou algum conhecimento (provável) do que irá ser produzido no próprio dia acarreta inúmeras vantagens para o mercado devido à minimização dos custos de desvio e gestão das variabilidades e reservas torna-se mais facilitada. A construção dos modelos de previsão tem uma metodologia específica, que inclui a inclusão das variáveis que mais influenciam, dentro das variáveis totais disponíveis, as que melhor ajudam a obter uma boa previsão. De uma forma muito simples, esta pode ser dividida em três categorias:
Inputs(ou entradas): São as variáveis utilizadas para inicializar o NW-KDE, as entradas do sistema, geralmente, variáveis meteorológicas; Targets: São os valores reais registados de potência eólica relativos às variáveis utilizadas, isto é, os valores registados da variável que se pretende prever; Histórico: O histórico para a previsão da potência eólica do parque será constituído por variáveis de entrada de instantes passados com o seu respetivo target e formam a base de dados onde o NW-KDE se irá basear.
4.4 Desenvolvimento do Modelo de Previsão para Oferta em Mercado 49
Figura 4.5: Esquema representativo dos horizontes temporais das previsões meteorológicas.
A figura em cima, representa o funcionamento de um modelo de previsão estatístico e a forma como este utiliza as entradas do sistema (inputs) e os alvos (target), bem como o instante t0 que representa o instante atual em que estão a ser elaboradas as previsões. É importante referir que para a realização desta previsão eólica é preciso ter o cuidado de ter os dados dos dois momentos temporais, o passado e futuro. Os dados referentes ao passado são utilizados como, dividindo-se, ainda, em conjunto de treino e conjunto de teste. Durante o treino, é estabelecida a relação entre dados históricos da produção eólica (targets) e diferentes variáveis de previsão meteorológica. O conjunto de teste, ou validação, é um conjunto de dados que não constam da base de conhecimento e para os quais é feita a verificação de desempenho do modelo. Posteriormente o modelo combina essas mesmas variáveis meteorológicas, previstas para os instantes vindoiros, com as relações já determinadas, de modo a prever os valores da produção para os instantes seguintes. Os dados da Produção MW correspondem aos targets que serão usados no desenvolvimento dos modelos de previsão. É necessário, agora, escolher quais as variáveis a usar como input e, a partir daí, fazer a parametrização possíveis no modelo de previsão.
4.4.3 Tipos de Variáveis
Para o teste das várias otimizações criadas para o NW-KDE serão utilizados os dados relativos ao parque eólico.
Tabela 4.17: Representação do histórico de previsão.
Casos Variáveis Explicadoras Target
X1 X2 X3 Xd Y i=1 ϕ _{11} ϕ _{12} ϕ _{13} ϕ _{1d} Y_{1} i=2 ϕ _{21} ϕ _{22} ϕ _{23} ϕ _{2d} Y_{2} i=3 ϕ _{31} ϕ _{32} ϕ _{33} ϕ _{3d} Y_{3} (...) (...) i=N ϕ _{N1} ϕ _{N2} ϕ _{N3} ϕ _{Nd} Y_{N}
O objetivo da ferramenta é calcular os outputs (ou saídas) da previsão, que são as variáveis de saída do NW-KDE e que transmitem o resultado obtido da previsão para o instante que esta é
feita. Os outputs de cada parque serão calculados a partir de variáveis de entradas de um conjunto de variáveis de teste disponibilizadas.
Tabela 4.18: Representação do output da previsão. Instante de teste
Variáveis Explicadoras Outputs ϕ _{1} ϕ _{2} ϕ _{3} ϕ _{d} Y(?)
As variáveis presentes no histórico dos parques eólicos são uma parte essencial do modelo de previsão. Se o histórico não representar de forma correta o comportamento do parque, a previsão dos outputs não apresentará valores aceitáveis.
As variáveis explicadoras de entrada serão dados meteorológicos recolhidos ou previstos com a hora associada. Serão utilizados o tipo de variáveis:
• Hora;
• Velocidade do vento (m/s); • Direção do vento (graus); • Densidade do ar;
O teste da ferramenta será realizado com a informação relativa ao ano de 2014. Será disponi- bilizada a informação relativa a todas as horas deste ano. No total serão testados 8760 ocorrências. Para efeitos de análise serão, ainda, disponibilizados os valores reais das potências eólicas regis- tados para os instantes em que são feitas as previsões.
4.4.4 Modelização da incerteza
Um dos objetivos que se pretende alcançar com os modelos desenvolvidos, para além da previ- são do valor central da produção (previsão determinística), é a incerteza a esta associada (previsão probabilística).
Para tal, continua-se a utilizar o software KDE, que expressa a produção de potência eólica em termos de função densidade de probabilidade, através do princípio da densidade de Kernel estimada (ver capítulo 3). Após desenvolver um modelo de previsão neste software, obtêm-se as seguintes saídas (outputs) para cada instante:
• Previsão determinística: valor previsto da produção eólica; • Parâmetro α da distribuição beta;
• Parâmetro β da distribuição beta; • Mínimo da distribuição beta;
4.4 Desenvolvimento do Modelo de Previsão para Oferta em Mercado 51
• Máximo da distribuição beta.
Efetivamente, obtém-se uma distribuição de probabilidade beta na forma de quatro parâme- tros (Parâmetro α da distribuição beta, Parâmetro β da distribuição beta, Mínimo da distribuição beta, Máximo da distribuição beta). Assim, a partir da função inversa da distribuição beta, é pos- sível calcula-la para cada instante de previsão. Desta forma, consegue-se uma representação da incerteza associada à previsão dos valores centrais de produção, tal como se pode ver na figura seguinte:
Figura 4.6: Previsão da produção eólica com representação de incerteza, com intervalo de confi- ança 80%, para o ano de 2014.
Figura 4.7: Previsão da produção eólica com representação de incerteza, com intervalo de confi- ança 80%, para uma amostra de valores durante o ano de 2014
.
A margem de incerteza pode ser maior ou menor, dependendo do intervalo de confiança defi- nido [x; 1-x]. No caso da figura seguinte,foi de [0,1; 0,9], o que significa que o valor de produção esperado estará dentro do intervalo (área cinzenta do gráfico) com uma probabilidade de 80
4.4.5 Parâmetros da Ferramenta de Previsão
A ferramenta utilizada na realização das previsões da presente dissertação foi o NW-KDE, cujos princípios base foram descritos no capitulo 3. No entanto, é importante referir que antes de se poder proceder ao processamento da previsão existe um conjunto de parametrizações que têm que ser definidas, encontrando-se a eficácia da previsão extremamente depende da capacidade do utilizador em conseguir identificar o conjunto de parametrizações ótimas para o problema em questão.
Inicialmente apresentar-se-á uma explicação resumida de cada parâmetro e posteriormente clarificar-se-á a influência destes no processamento da ferramenta. Os parâmetros são: Nível de
Ativação, H de Referência, H da Variável Recursiva, H Dinâmico, H Dinâmico V, Pontos, Variável Cíclica e o Fator de Ajuste.
Nível de Ativação: O Nível de Ativação é um valor localizado entre 0 e 1 que define um limite mínimo que uma variável histórica tem que atingir quando lhe é aplicada o filtro do kernel, de forma a ser contabilizada como um ponto similar.
H de Referência: Este parâmetro corresponde ao valor da largura de banda kernel. A decisão da escolha de um H de magnitude reduzida, conduz a situações em que o número de pontos similares encontrados é também reduzido, que por consequência apresenta uma curva densidade pouco suavizada verificando-se a existência de muitos picos. Por outro lado se este parâmetro se apresentar excessivamente elevado verifica-se uma concentração baixa dos dados, pelo que a curva da densidade é caracterizada por se encontrar suavizada em demasia, não representando de forma satisfatória a densidade real dos resultados (possibilidade de incorrer em situação de under ou overfitting.
H da variável: O parâmetro H da Variável Recursiva tem uma função semelhante ao parâ- metro H de Referência,correspondendo apenas à largura do kernel que será aplicado à variável recursiva. É definido para esta variável que o parâmetro H Dinâmico V da mesma é sempre 0 isto é está desligado.
HDinâmico: O parâmetro HDinâmico corresponde a um mecanismo de ajuste dinâmico da largura de banda, aplicando um valor de H diferente para cada caso previsto, dependendo da densidade de pontos similares ao caso de estudo. Será o valor 1 se se entender ativar ou 0 em caso contrário.
H Dinâmico V: O H Dinâmico V só terá influência na previsão caso o parâmetro H Dinâmico esteja ligado correspondendo ao dinâmico de cada variável. Se tiver o valor 1, a variável terá o dinâmico ativo e se tiver o valor 0, o dinâmico estará desativado para essa variável.
Variável Cíclica: A terá o valor de 1 caso a variável seja cíclica (por exemplo a variável hora) e terá o valor 0 caso contrário.
Fator de Ajuste: Por fim, o parâmetro Fator de Ajuste é um fator multiplicativo que é aplicado aos parâmetros α e β e que terá como consequência uma variação das concentrações da função distribuição de probabilidade.