Título: Uso de aprendizagem de máquina para estimar a energia potencial de aerogeradores
Autores: Durval Camargo Rangel de Souza Brito, Arthur Amaral Publio de Souza & Bruno Henrique Groenner Barbosa
Resumo: A estimação da energia potencial de aerogeradores é essencial para a gestão e operação eficiente de sistemas eólicos, considerando a natureza intermitente desse recurso. Este trabalho aplica técnicas de aprendizado de máquina para essa estimativa, utilizando dados reais de um aerogerador e torres anemométricas. Foram empregados descarte de dados por inspeção e o algoritmo Floresta de Isolamento para tratamento e seleção das amostras. Na modelagem, foram testados métodos Floresta Aleatória, Máquina de Vetores de Suporte, árvore de Decisão e Redes Neurais Perceptron Multicamadas. Foi constatado que o melhor modelo para estimação é a Floresta Aleatória, que obteve R 2 de 0,9804 e RMSE de 0,0527, apresentando qualidade na predição da energia potencial. Conclui-se que o uso de métodos de aprendizagem de máquinas é uma abordagem promissora para sensoriamento virtual em parques eólicos, contribuindo para a otimização operacional e maior aproveitamento dos recursos renováveis.
Palavras-chave: Machine Learning; Virtual Sensor; Wind Turbine; Power Curve; Digital Twin; Isolation Forest; Support Vector Machine; Multilayer Perceptron; Random Forest; Decision Tree.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1176238
Artigo em PDF: CBIC_2025_paper1176238.pdf
Arquivo BibTeX:
CBIC_2025_1176238.bib