Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Valle, Bruno Castro
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/243111
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
id UFSC_0d205033f22c9ce3eb9b34511acb9333
oai_identifier_str oai:repositorio.ufsc.br:123456789/243111
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa Catarina.Valle, Bruno CastroSouza, Richard Demo2022-12-19T21:51:31Z2022-12-19T21:51:31Z2022-12-16https://repositorio.ufsc.br/handle/123456789/243111TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.Dados reportados pela Associação Brasileira de Energia Solar Fotovoltaica (ABSOLAR) demonstram um crescimento exponencial na produção de energia solar, sendo 2022 considerado o melhor ano da energia solar no Brasil. Porém, o número de sistemas fotovoltaicos monitorados não seguiu a mesma tendência de crescimento, sendo normalmente operados sem um sistema de supervisão adequado, por isso a necessidade de implementação de um sistema de detecção de estado de falha online. Este trabalho de conclusão de curso propõe um estudo sobre o método de detecção de estado de falha que utiliza modelos de predição instantânea de potência CA gerada pelo sistema fotovoltaico. A pesquisa foi executada na base de dados SOLETE, disponibilizada por Pombo et al. A base contém medidas de um sistema fotovoltaico e dados meteorológicos ao longo de um ano e cinco meses. Foram utilizados três modelos de predição, denominados modelo físico, one equation e random forest. Para cada modelo foram elaboradas duas predições, uma na faixa global de irradiância e outra em faixas separadas, com o propósito de verificar se esta separação de faixas influenciará nos resultados finais. Em termos de performance o trabalho atingiu resultados semelhantes à literatura, onde os três melhores modelos atingiram uma precisão de mais de 99% na detecção de estado de falha. Os resultados demonstram que os melhores modelos foram o modelo físico e o one equation nas faixas separadas e o modelo random forest na faixa global de irradiância.Data reported by the Brazilian Association of Photovoltaic Solar Energy (ABSOLAR) show exponential growth in solar energy production, with 2022 being considered the best year for solar energy in Brazil. However, the number of monitored photovoltaic systems did not follow the same growth trend, being normally operated without an adequate supervisory system, hence the need to implement an online failure status detection system. This work proposes a study on the fault state detection method that uses instantaneous prediction models of AC power generated by the photovoltaic system. The research was carried out in the SOLETE database, made available by Pombo et al. The base contains measurements of a photovoltaic system and meteorological data over a year and five months. Three prediction models were used, called physical model, one equation and random forest. For each model, two predictions were made, one in the global irradiance range and the other in separate irradiation ranges, with the purpose of verifying whether this separation of ranges will influence the final results. In terms of performance, the work reached similar results to the literature, where the three best models reached an accuracy of more than 99% in the failure state detection. The results demonstrate that the best models were the physical model and the one equation in the separate ranges and the random forest model in the global irradiance range.50 f.Florianópolis, SC.Open Access.info:eu-repo/semantics/openAccessGeraçãoEnergiaFotovoltaicaDetecçãoFalhasDetecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/243111/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALTCC.pdfTCC.pdfTCCapplication/pdf1693443https://repositorio.ufsc.br/bitstream/123456789/243111/1/TCC.pdfe5cbf31033a36b94ffad254cac65ebe4MD51123456789/2431112022-12-19 18:51:31.842oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732022-12-19T21:51:31Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
title Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
spellingShingle Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
Valle, Bruno Castro
Geração
Energia
Fotovoltaica
Detecção
Falhas
title_short Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
title_full Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
title_fullStr Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
title_full_unstemmed Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
title_sort Detecção de estado de falha em usinas fotovoltaicas utilizando aprendizado de máquina
author Valle, Bruno Castro
author_facet Valle, Bruno Castro
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Valle, Bruno Castro
dc.contributor.advisor1.fl_str_mv Souza, Richard Demo
contributor_str_mv Souza, Richard Demo
dc.subject.por.fl_str_mv Geração
Energia
Fotovoltaica
Detecção
Falhas
topic Geração
Energia
Fotovoltaica
Detecção
Falhas
description TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-12-19T21:51:31Z
dc.date.available.fl_str_mv 2022-12-19T21:51:31Z
dc.date.issued.fl_str_mv 2022-12-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/243111
url https://repositorio.ufsc.br/handle/123456789/243111
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 50 f.
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/243111/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/243111/1/TCC.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
e5cbf31033a36b94ffad254cac65ebe4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805247548719104

Registros relacionados