Identificação Não Linear de um Emulador Eólico Através de Estruturas NARMAX e Técnicas de Machine Learning
Identificação de Sistemas, Modelagem NARMAX, Energia Eólica, PRBS
A transição energética impulsiona a adoção de aerogeradores de pequeno porte na geração distribuída. O projeto de controladores avançados para maximizar a extração de energia e garantir estabilidade depende de modelos dinâmicos fidedignos. Contudo, a modelagem física tradicional é limitada ao representar não linearidades eletromecânicas em baixas velocidades, como atrito seco e inércia rotacional. Este trabalho propõe a identificação não linear de uma bancada emuladora de turbina eólica usando a estrutura polinomial Non-Linear AutoRegressive Moving Average with eXogenous inputs (NARMAX), fornecendo um modelo empírico robusto para síntese de malhas de controle. A metodologia fundamenta-se na excitação do sistema motor-gerador via sinal Pseudo-Random Binary Sequence (PRBS), projetado a partir da constante de tempo da planta ($\tau \approx 1,62\text{ s}$). A otimização da estrutura aplicou o algoritmo Forward Regression Orthogonal Least Squares (FROLS) para ranqueamento pelo critério Error Reduction Ratio (ERR). O número ideal de 15 regressores foi definido pelo Critério de Informação de Akaike (AIC), garantindo estabilidade e evitando superparametrização. A simulação livre (Free-Run) atingiu Explained Variance Score (EVS) de 88,05%, Root Relative Squared Error (RRSE) de 0,3397 e Symmetric Mean Absolute Percentage Error (SMAPE) de 11,91%, rastreando as transições de atrito com exatidão e validando o modelo para controle avançado.