Modelagem de usinas eólicas através de um processo de Markov e técnicas de confiabilidade para a estimativa anual da energia produzida

AUTOR(ES)

Ricardo Barros de Mendonça

DATA DE PUBLICAÇÃO

2009

RESUMO

Este trabalho tem por objetivo, utilizar um modelo computacional que considera as características estatísticas do vento e as características de confiabilidade de uma turbina eólica, tais como taxas de falha e de reparo, representando a usina eólica por um processo de Markov, para determinação da estimativa anual da energia gerada e compará-la com um caso real. Este modelo também pode ser utilizado em estudos de confiabilidade, além de fornecer alguns indicadores de desempenho, que ajudarão na análise de viabilidade de implantação de uma usina eólica, uma vez conhecida a curva de potência do aerogerador e dispondo-se de medições anemométricas da velocidade do vento. Para a validação deste modelo, foram feitas simulações utilizando o banco de dados da usina eólica de Macau da PETROBRAS. Os resultados obtidos foram bem próximos do real, confirmando, assim, que o modelo reproduziu com sucesso o comportamento de todos os componentes envolvidos. Finalmente, foi feita uma comparação dos resultados apresentados por este modelo, com o resultado da energia anual estimada considerando a modelagem do comportamento do vento por uma distribuição estatística de Weibull

ASSUNTO(S)

confiabilidade de usinas eólicas geração eólica modelagem de markov engenharia eletrica reliability of wind farms wind generation markov modeling

Documentos Relacionados

• Modelagem de usinas eólicas para estudos de confiabilidade
• Modelagem de forno para a produção de cimento atraves da aplicação de tecnicas de redes neurais
• Modelagem da gestão de estoques de peças de reposição através de cadeias de Markov
• Modelagem Simplificada Para Estimativa do Balanço de Energia à Superfície em Escala Regional (R-SSEB)
• Modelagem e simulação do processo de extração seletiva de cobalto e niquel por solução organica atraves da aplicação de tecnicas de redes neurais