Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tedebc.ufma.br/jspui/handle/tede/tede/3951
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSOUZA, Hellen Dianne Pereira de-
dc.creator.Latteshttp://lattes.cnpq.br/6363693089939316por
dc.contributor.advisor1LIMA, Shigeaki Leite de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1754927233855300por
dc.contributor.advisor-co1OLIVEIRA, Denisson Queiroz-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6282010489262947por
dc.contributor.referee1LIMA, Shigeaki Leite de-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1754927233855300por
dc.contributor.referee2OLIVEIRA, Denisson Queiroz-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6282010489262947por
dc.contributor.referee3SAAVEDRA MENDEZ, Osvaldo Ronald-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/6400934417933768por
dc.contributor.referee4SOUZA, André Nunes de-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/8212775960494686por
dc.date.accessioned2022-08-12T12:16:20Z-
dc.date.issued2022-02-25-
dc.identifier.citationSOUZA, Hellen Dianne Pereira de. Densificação de dados baseada em mean shift aplicada a previsão de geração de energia eólica. 2022.69 f. Dissertação( Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2022.por
dc.identifier.urihttps://tedebc.ufma.br/jspui/handle/tede/tede/3951-
dc.description.resumoO Brasil nos últimos 10 anos tem um alto potencial de produção de energia eólica, mostrando crescimento significativo a cada ano com a instalação de novos parques e um aumento potência. Tendo em vista a capacidade de geração de energia, que possibilita a geração eólica importante, como realizar a energia que pode gerar a capacidade eólica importante, como o fatores que geram energia podem gerar o vento importante. Nesse sentido, a projeção modelos de previsão de velocidade do vento, modelos numéricos de previsão do tempo (NWP), muitos dos modelos de previsão do tempo ocorrem durante a geração. Outros, como modelos estatísticos e híbridos, realizam análises com base em dados de uma série histórica. Geração de energia eólica é usado por muitas empresas de energia para fins de estimativa de segurança e desta forma garantindo o recurso para a empresa de receita e o consumidor aumentar uma energia fonte da fonte durante um determinado período de tempo. Muitas técnicas foram calculadas com recursos e horas de trabalho e com a mesma eficiência, dias e horas de trabalho. este é uma técnica baseada em teoria da informação para um banco de dados de medição de vento, gerando novos dados com a mesma função de densidade de probabilidade que o conjunto original e usando estes dados virtuais como cenários de previsão.por
dc.description.abstractBrazil in the last 10 years has a high potential for wind energy production, showing significant growth each year with the installation of new parks and an increase in installed power. In view of the power generation capacity, which makes it possible to generate wind important, how to carry out power which can generate the wind capacity important, as the factors that generate power may generate the wind important. In this sense, the projected wind speed forecast models, numerical weather forecast (NWP) models, many of the weather forecast models occur during generation. Others, such as statistical models and hybrids, perform analyzes based on data from a historical series. Wind power generation is used by many energy companies for the purpose of safety estimation and in this way guaranteeing the resource for the revenue company and the consumer to increase an energy source from source during a certain period of time. Many techniques were calculated with resources and working hours and with the same efficiency, working days and hours. This is an information theory based technique for a wind measurement database, generating new data with the same probability density function as the original set and using these virtual data as forecast scenarios.eng
dc.description.provenanceSubmitted by Maria Aparecida (cidazen@gmail.com) on 2022-08-12T12:16:20Z No. of bitstreams: 1 Hellen P. de Souza.pdf: 17614205 bytes, checksum: fad3a57de63159b62f424a82016ebb2e (MD5)eng
dc.description.provenanceMade available in DSpace on 2022-08-12T12:16:20Z (GMT). No. of bitstreams: 1 Hellen P. de Souza.pdf: 17614205 bytes, checksum: fad3a57de63159b62f424a82016ebb2e (MD5) Previous issue date: 2022-02-25eng
dc.description.sponsorshipCNPqpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectMean Shift;por
dc.subjectTeoria da informação;por
dc.subjectPrevisão;por
dc.subjectGeração de energiapor
dc.subjectEnergia eólicapor
dc.subjectMean Shift;eng
dc.subjectInformation theoretic;eng
dc.subjectForecast;eng
dc.subjectEnergy Generation;eng
dc.subjectWind energyeng
dc.subject.cnpqTransmissão da Energia Elétrica, Distribuição da Energia Elétricapor
dc.titleDENSIFICAÇÃO DE DADOS BASEADA EM MEAN SHIFT APLICADA A PREVISÃO DE GERAÇÃO DE ENERGIA EÓLICApor
dc.title.alternativeDATA DENSIFICATION BASED ON MEAN SHIFT APPLIED TO WIND ENERGY GENERATION FORECASTeng
dc.typeDissertaçãopor
Aparece nas coleções:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Hellen P. de Souza.pdfDissertação de Mestrado17,2 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.