Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Capo, Políbio Ícaro Moro
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/193252
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Energia e Sustentabilidade, Araranguá, 2018.
id UFSC_124977cffb480f25aea096db96967b9c
oai_identifier_str oai:repositorio.ufsc.br:123456789/193252
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaCapo, Políbio Ícaro MoroRampinelli, Giuliano Arns2019-02-09T03:01:57Z2019-02-09T03:01:57Z2018355722https://repositorio.ufsc.br/handle/123456789/193252Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Energia e Sustentabilidade, Araranguá, 2018.A energia solar vem ganhando destaque nos últimos anos acompanhando a crescente demanda energética mundial. Atualmente, também pode ser destacado o avanço tecnológico e a competividade econômica da energia solar fotovoltaica como fatores decisivos para sua inserção na matriz elétrica. Entretanto, a radiação solar que atinge a superfície terrestre varia, principalmente, devido às variações climáticas que ocorrem na atmosfera. Esse fato tem uma grande influência na produção de energia elétrica a partir das tecnologias solares. Portanto, para auxiliar o gerenciamento de operação, principalmente, no caso de usinas fotovoltaicas, entre outros fatores, necessitam-se de estudos que possibilitem conhecer sua disponibilidade regional, variabilidade temporal e previsibilidade. Quando se trata de previsão de curto prazo os modelos preditivos encontram-se em desenvolvimento sendo um grande desafio de engenharia. Dentro desse contexto, o objetivo geral desse trabalho é desenvolver uma ferramenta de previsão de curto prazo da radiação solar, no período de três horas, por meio da utilização de redes neurais artificiais e dados de estações meteorológicas localizadas no município de Araranguá Santa Catarina. Os resultados demonstram que a ferramenta desenvolvida apresenta boa capacidade de previsão, foram encontrados valores de RMSE (Root Mean Square Error) abaixo de 100 W/m², MAE (Mean Absolute Error) abaixo de 70 W/m² e MBE (Mean Bias Error) abaixo de 10 W/m² o que garantem que os acertos da previsão foram satisfatórios. Esses permitem que os resultados sejam considerados seguros com erro percentual anual da ordem de 2,38%. Ao final do trabalho, concluiu-se que a ferramenta apresentou, na média, um bom grau de acerto e que esses são importantes para auxiliar na operação e também no planejamento de usinas que utilizem energia solar como fonte.Abstract : The solar energy has been gaining prominence in recent years, following the growing world energy demand. Currently, the technological advance and the economic competitiveness of solar photovoltaic technologies can also be highlighted as decisive factors for its insertion in the energy matrix. However, the solar radiation that reaches the Earth's surface varies, mainly, due to the climatic variations that occur in the atmosphere. This fact has a great influence on the production of electric energy. Therefore, to assist to perform the reliability of the generation systems, especially in the case of photovoltaic plants, among other factors, studies are needed to know its regional availability, temporal variability and predictability. When it comes to short-term forecasting, models are under development being an engineering challenge. In this context, the general objective of this work is to develop a short-term forecasting tool for solar radiation, in the period of three hours ahead, through the use of artificial neural networks and data from meteorological stations located in the city of Araranguá Santa Catarina Brazil. The results show that the tool developed has an adequate accuracy of forecast. The RMSE (Root Mean Square Error) values below 100 W/m², MAE (Mean Absolute Error) below 70 W/m² and MBE (Mean Bias Error) below 10 W/m² were found, which ensure that the capacity of the forecast is satisfactory. These allow the results to be considered safe with an annual percentage error of the order of 2.38%. At the end of the work, it was concluded that the tool presented, on average, a good degree of reliability and that these are important to assist in the management and also in the prospecting for future installations of a solar photovoltaic plant.82 p.| il., gráfs., tabs.porEnergia elétricaSustentabilidadeRadiação solarRedes neurais (Computação)Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPGES0002-D.pdfPGES0002-D.pdfapplication/pdf2981111https://repositorio.ufsc.br/bitstream/123456789/193252/-1/PGES0002-D.pdfab2523ae4b5d52fae388f9879ece311dMD5-1123456789/1932522019-02-09 01:01:58.022oai:repositorio.ufsc.br:123456789/193252Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732019-02-09T03:01:58Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
title Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
spellingShingle Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
Capo, Políbio Ícaro Moro
Energia elétrica
Sustentabilidade
Radiação solar
Redes neurais (Computação)
title_short Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
title_full Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
title_fullStr Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
title_full_unstemmed Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
title_sort Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais
author Capo, Políbio Ícaro Moro
author_facet Capo, Políbio Ícaro Moro
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Capo, Políbio Ícaro Moro
dc.contributor.advisor1.fl_str_mv Rampinelli, Giuliano Arns
contributor_str_mv Rampinelli, Giuliano Arns
dc.subject.classification.none.fl_str_mv Energia elétrica
Sustentabilidade
Radiação solar
Redes neurais (Computação)
topic Energia elétrica
Sustentabilidade
Radiação solar
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Energia e Sustentabilidade, Araranguá, 2018.
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2019-02-09T03:01:57Z
dc.date.available.fl_str_mv 2019-02-09T03:01:57Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/193252
dc.identifier.other.none.fl_str_mv 355722
identifier_str_mv 355722
url https://repositorio.ufsc.br/handle/123456789/193252
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 82 p.| il., gráfs., tabs.
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/123456789/193252/-1/PGES0002-D.pdf
bitstream.checksum.fl_str_mv ab2523ae4b5d52fae388f9879ece311d
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805242973782016

Registros relacionados