Esse projeto foi feito durante o treino prático do curso de Python para Análise de Dados conduzido por Hashtag Programação e o arquivo está disponível nas linguagens: Português (ProjetoEnergiaEolica.ipynb) e Inglês (WindEnergyProject.ipynb)
O objetivo desse projeto foi analizar a eficiência de turbinas eólicas em relação ao valor teórico declarado pelo fabricante e analizar anormalidades definindo um valor aceitável de variação, nesse projeto foram usadas a linguagem Python e suas Bibliotecas Pandas, Matplotlib e Seaborn no ambiente do Jupyter Notebook
O Dataset possui informação da Data e do Horário (Atualizado a cada 10 minutos), o Valor Real gerado pelas Turbinas (kW), a Velocidade do Vento (m/s), a Curva Teórica declarada pelo Fabricante (KWh) e a Direção do Vento. Buscamos fazer uma comparação entre o Valor Real x Velocidade do Vento e da Curva Teórica x Velocidade do Vento para entender a eficiência das Turbinas Eólicas.
Para isso durante a análise resolvemos definir um valor de 5% para o limite máximo e o limite mínimo de variação aceitável em relação ao valor teórica. Em um projeto real e mais elaborado poderiam ser usados modelos de Machine Learning para definir esse valor e ter uma avaliação mais precisa. Após fazer um Plot de um gráfico Scatterplot podemos perceber que algumas túrbinas estavam com valor 0 e provavelmente estariam em manutenção e também chegamos a conclusão que uma grande parte das turbinas eólicas tinha uma eficiência menor que a definida em nosso limite aceitável.
- Python para Análise de Dados
- Pandas
- Matplotlib
- Seaborn
- Python 3.11.0 ou superior
- Jupyter Notebook
- Pandas
- Matplotlib
- Seaborn
- Power Point
https://www.linkedin.com/in/riquelmo-afonso-avelar-ferreira-df5183/
This project was done during the hands-on training of the Python for Data Analysis course carried out by Hashtag Programação and the file is available in the following languages: Portuguese (ProjetoEnergiaEolica.ipynb) and English (WindEnergyProject.ipynb)
The objective of the project was to analyze the efficiency of the turbines in relation to the theoretical value declared by the manufacturer and to analyze abnormalities defining an acceptable limit of variation, in this project the Python language and its libraries Pandas, Matplotlib and Seaborn were used in the Jupyter Notebook environment.
The Dataset has information on the Date and Time (Updated every 10 minutes), the Real Value generated by the Turbines (kW), the Wind Speed (m/s), the Theoretical Curve declared by the Manufacturer (KWh) and the Direction of the Wind. Then we made a comparison between the Actual Value x Wind Speed and the Theoretical Curve x Wind Speed to understand the efficiency of Wind Turbines.
For this, during the analysis, we decided to define a value of 5% for the maximum limit and the minimum limit of acceptable variation in relation to the theoretical value. In a real and more elaborate project, Machine Learning models could be used to define this value and have a more accurate evaluation.
After making Scatterplot Plot we can see that some turbines had a value of 0 and would probably be under maintenance and we also came to the conclusion that a large part of the wind turbines had a lower efficiency than that defined in our acceptable limit.
- Python for Data Analysis
- Pandas
- Matplotlib
- Seaborn
- Python 3.11.0 or superior
- Jupyter Notebook
- Pandas
- Matplotlib
- Seaborn
- Power Point
https://www.linkedin.com/in/riquelmo-afonso-avelar-ferreira-df5183/?locale=en_US