Previsão de velocidade do vento em termos de médias mensais e horárias a partir da combinação dos modelos Holt-Winters e Redes Neurais Artificiais (Forecast wind speed in terms of monthly and hourly averages from the combination of the Holt-Winters...)
O presente artigo propõe a criação de modelo híbrido combinado a partir de modelos de série temporal com inteligência artificial, com o objetivo de fornecer previsões de médias mensais e horárias da velocidade do vento em regiões do nordeste brasileiro. Métodos para previsão de velocidade do vento podem constituir em técnica útil no setor de geração eólica, por exemplo, sendo capaz de adquirir informações importantes de que maneira o potencial eólico local poderá ser aproveitado para possível geração de energia elétrica. É possível constatar a eficiência do modelo híbrido em fornecer perfeitos ajustes aos dados observados, sendo essa afirmativa baseada nos baixos valores encontrados na análise estatística de erros, por exemplo, com erro percentual de aproximadamente 5,0%, e também com o valor do coeficiente de eficiência de Nash-Sutcliffe, cujo valor encontrado em aproximadamente de 0,96. Esses resultados certamente foram importantes nas precisões das séries temporais previstas da velocidade do vento, fazendo com que pudessem acompanhar o perfil das séries temporais observadas da velocidade do vento, principalmente revelando maiores semelhanças de valores máximos e mínimos entre ambas as séries, e mostrando assim, a capacidade do modelo em representar características de sazonalidades local. A importância de fornecer garantias na estimativa da intensidade da velocidade do vento de uma região poderá ser tarefa de auxílio em tomada de decisão no setor de energia. A B S T R A C TThe present article proposes the creation of hybrid model combined from time series models with artificial intelligence, aiming to provide forecasts of monthly and hourly wind speed averages in regions of northeastern Brazil. Wind speed prediction methods may be a useful technique in the wind power sector, for example, being able to acquire important information about how local wind potential can be harnessed for possible electric power generation. It is possible to verify the efficiency of the hybrid model in providing perfect adjustments to the data observed, being this affirmation based on the low values found in the statistical analysis of errors, for example, with percentage error of approximately 5.0%, and also with the coefficient value Of Nash-Sutcliffe efficiency, whose value was found to be approximately 0.96. These results were certainly important in the precisions of the predicted time series of the wind velocity, so that they could follow the profile of the observed time series of the wind speed, mainly revealing greater similarities of maximum and minimum values between both series, the ability of the model to represent characteristics of local seasonalities. The importance of providing assurances in the estimation of the wind speed intensity of a region may be a decision aid in the energy sector.Keywords: time series, artificial intelligence, wind energy, brazilian northeast.