Uma Nova Abordagem de Machine Learning para a Previsão Espaço-Temporal da Velocidade do Vento

O crescimento da penetração de energia eólica em sistemas elétricos de potência traz desafios para a operação dos sistemas elétricos modernos. Neste contexto, previsões acuradas da velocidade do vento são de grande importância, pois ajudariam a reduzir a incerteza relacionada ao vento, potencialmente reduzindo custos operacionais. Nosso trabalho propõe uma nova abordagem ao problema de previsão espaço-temporal da velocidade do vento, construindo modelos que aprendem a relacionar variáveis meteorológicas e coordenadas geográficas com a velocidade do vento. Estes modelos são utilizamos para prever o vento em diferentes localidades. Utilizamos comitês de árvores de decisão como o modelo de machine learning para resolver o problema proposto. Inicialmente, testamos diferentes árvores de decisão, e escolhemos a configuração que leva aos melhores resultados. Em seguida, utilizamos a mesma configuração para treinar os comitês, com algoritmos Adaboost e Random Forests. Nossos resultados mostram que a random forest apresenta os melhores resultados.