@MASTERSTHESIS{ 2024:684059290,
 	title = {Proposta de um modelo preditivo para eventos de rampa de vento utilizando Random Forests},
 	year = {2024},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/5237",
 	abstract = "O investimento global em energia eólica cresce impulsionado pelo potencial como fonte limpa
 e renovável, enfrentando o desafio da volatilidade inerente à produção eólica, especialmente
 em relação aos eventos de rampa de vento. Essas mudanças abruptas na velocidade do
 vento representam preocupações significativas para a estabilidade e eficiência dos sistemas
 de energia eólica, redes elétricas e mercados de eletricidade. A dissertação foca na previsão
 de eventos de rampa de vento, sublinhando a importância de aprimorar a estabilidade e
 eficiência dos sistemas de energia eólica diante da produção volátil. O objetivo principal
 é desenvolver e validar um modelo preditivo, especificamente o Random Forests, para
 antecipar esses eventos, utilizando dados obtidos por perfiladores de vento LIDAR. Esta
 estratégia visa atenuar os desafios trazidos pela variabilidade da geração eólica, afetando
 tanto as redes elétricas quanto o mercado de eletricidade. A metodologia incorpora a
 coleta e validação de dados do vento, empregando o Random Forests para análise e
 categorização dos eventos, complementada por uma análise de sensibilidade para testar a
 eficácia do modelo. A escolha das Random Forests se justifica por sua combinação única de
 simplicidade, robustez e desempenho. Ao combinar várias árvores de decisão, as Random
 Forests mitigam o risco de overfitting. Cada árvore é treinada em um subconjunto aleatório
 dos dados, evitando que o modelo se torne excessivamente específico para o conjunto de
 treinamento. A análise de sensibilidade confirma a capacidade do modelo de gerenciar a
 complexidade e variabilidade dos dados de vento, ressaltando sua utilidade na melhoria
 da previsão e gestão da energia eólica. Conclui-se que a modelagem preditiva, através do
 Random Forests, é uma contribuição valiosa para o setor de energia eólica, possibilitando
 uma integração mais segura e eficiente nas matrizes energéticas. A implementação desses
 modelos preditivos é reconhecida como um avanço essencial para lidar com a volatilidade
 da produção eólica, fomentando a sustentabilidade e a segurança energética.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {COORDENACAO DO CURSO DE ENGENHARIA DA COMPUTACAO/DCCET}
}