Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/57995
Tipo: Dissertação
Título : Comparação do desempenho de diferentes modelos de distribuição de probabilidade aplicados a dados de velocidade de vento onshore e offshore na região do nordeste brasileiro
Título en inglés: Comparison of the performance of different probability distribution models applied to onshore and offshore wind speed data in the Northeast region of Brazil
Autor : Lins, Davi Ribeiro
Tutor: Andrade, Carla Freitas de
Co-asesor: Rocha, Paulo Alexandre Costa
Palabras clave : Energia eólica offshore;Modelagem da velocidade de vento;Distribuições de velocidade do vento não convencionais;Análise estatística de múltiplos critérios
Fecha de publicación : 2021
Citación : LINS, Davi Ribeiro. Comparação do desempenho de diferentes modelos de distribuição de probabilidade aplicados a dados de velocidade de vento onshore e offshore na região do Nordeste brasileiro. 2021. 72 f. Dissertação (Mestrado em Engenharia Mecânica) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia Mecânica, Fortaleza, 2021.
Resumen en portugués brasileño: O objetivo dessa dissertação é avaliar a diferença de desempenho apresentada por diferentes modelos de distribuição quando aplicados aos dados de velocidade de vento onshore e offshore, onde os dados onshore foram medidos em duas estações localizadas no Nordeste brasileiro, e os dados offshore foram medidos por duas boias oceânicas localizadas no Atlântico Sul. Foram utilizadas cinco distribuições na modelagem da velocidade de vento, sendo elas: Distribuição de Weibull (W), Distribuição Nakagami (N), Distribuição de Lindley Generalizada Estendida (EGL), Distribuição Gamma Generalizada (GG) e Distribuição de Valor Extremo Generalizado (GEV). Os parâmetros das distribuições foram estimados utilizando os seguintes métodos determinísticos: Método da Máxima Verossimilhança (MLE), Método da Máxima Verossimilhança Modificado (MMLE) e o Método dos Momentos Multiobjetivos (MUOM). Além disso, três testes estatísticos foram utilizados na escolha do modelo que apresentou o melhor ajuste aos dados, sendo eles: Teste de Kolmogorov-Smirnov (KS), Desvio de Assimetria e Curtose (DSK) e o Critério de Informação de Akaike (AIC). Os resultados desses testes foram normalizados e unificados em um parâmetro chamado de Erro Total (ET), onde quanto mais próximo de zero esse ET melhor é a precisão da distribuição. Em ambas as localidades onshore, devido ao padrão apresentado pelos resultados, a conclusão obtida foi que as distribuições de três parâmetros EGL e GG foram, no geral, superiores às demais distribuições. Nos dados de vento offshore da boia 1, as distribuições EGLMLE (ET = 0), WMUOM (ET = 0,085504) e GGMLE (ET = 0,130876) apresentaram as melhores precisões no ajuste ao histograma, já nos dados obtidos pela boia 2, as melhores precisões foram obtidas pelas distribuições EGLMLE (ET = 0), GGMLE (ET = 0,052179) e WMUOM (ET = 0,058615). Para todas as quatro localidades, a combinação distribuição – método GEVMMLE apresentou os Erros Totais mais altos e, consequentemente, os piores ajustes. De acordo com os resultados, não existe um modelo de distribuição único que seja mais apropriado para ajustar-se a um conjunto de dados de velocidade de vento, sendo sempre necessário aplicar um estudo pra saber qual das distribuições disponíveis é a mais apropriada para o caso em questão, sendo também necessário verificar qual método de estimativa de parâmetro é o mais adequado para determinada distribuição.
Abstract: The objective of this dissertation is to evaluate the performance difference presented by different distribution models when applied to the onshore and offshore wind speed data, where the onshore data were measured at two stations located in Northeast Brazil, and the offshore data were measured by two ocean buoys located in the South Atlantic. Five distributions were used to model wind speed, namely: Weibull Distribution (W), Nakagami Distribution (N), Extended Generalized Lindley Distribution (EGL), Generalized Gamma Distribution (GG) and Generalized Extreme Value Distribution (GEV). The distribution parameters were estimated using the following numerical methods: Maximum Likelihood Method (MLE), Modified Maximum Likelihood Method (MMLE) and the Method of Multi-objective Moments (MUOM). In addition, three goodness of fit tests were used to choose the model that presented the best fit to the data, namely: Kolmogorov-Smirnov test (KS), Asymmetry Deviation and Kurtosis (DSK) and the Akaike Information Criterion (AIC). The results of these tests were normalized and unified in a parameter called Total Error (ET), where the closer to zero this ET the better the accuracy of the distribution. In both onshore locations, due to the pattern presented by the results, the only conclusion obtained was that the three parameters distributions EGL and GG were, in general, superior to the other distributions. In the offshore wind data from buoy 1, the EGLMLE (ET = 0), WMUOM (ET = 0.085504) and GGMLE (ET = 0.130876) distributions showed the best precision in adjusting the histogram. According to the results of buoy 2, the best precision was obtained by the EGLMLE (ET = 0), GGMLE (ET = 0.052179) and WMUOM (ET = 0.058615) distributions. For all four locations, the distribution GEVMMLE presented the highest Total Errors (ET) and, consequently, the worst precisions. According to the results, there is no single distribution model that is more appropriate to fit a set of wind speed data, and it is always necessary to apply a study to know which of the available distributions is the most appropriate for the case in question, being also necessary to verify which parameter estimation method is the most suitable for a given distribution.
URI : http://www.repositorio.ufc.br/handle/riufc/57995
Aparece en las colecciones: DEME - Dissertações defendidas na UFC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2021_dis_drlins.pdfDissertação de Davi Ribeiro Lins1,14 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.