Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10362/104483 |
Resumo: | Nos dias de hoje, existe a consciencialização de que a energia fotovoltaica é aquela que apresenta uma maior sustentabilidade energética dos edifícios. O objetivo desta dissertação foi prever a energia fotovoltaica produzida num edifício inovador, tendo por base os dados da temperatura ambiente e da irradiância, de modo a comparar os valores previstos com os valores reais. Para a realização dos sistemas de previsão usamos o software Matlab R2019b e um modelo de redes neuronais do tipo NARX. Foi realizado um pré-processamento dos dados fornecidos com ajustamento do intervalo entre cada amostra (15 minutos) com divisão dos dados em 2 partes (treino e validação). No treino usamos os dados entre 2015 e 2017 e na validação os do ano de 2018. Quanto ao intervalo de medição a considerar para as 2 amostras foi entre as 5h e as 21h, e as redes foram testadas com 5, 8, 10, 12 e 15 neurónios na camada oculta e com conjuntos de treino de 15, 20, 25 e 30 dias de dados. Após definirmos o conjunto de treino e o número de neurónios a aplicar nos preditores da temperatura e da irradiância (variáveis de entrada), estimamos a produção fotovoltaica (variável de saída). As principais conclusões relativamente à produção fotovoltaica demonstraram que, os meses que apresentam valores mais elevados de produção (real e prevista) e com maiores diferenças ao nível da produção total, foram os meses do início do ano, onde os dias são mais curtos. Os que apresentaram valores mais baixos, embora com uma tendência de subida, foram os meses entre a primavera e o outono (dias maiores). Foi também durante estes meses que observamos uma menor diferença na produção fotovoltaica, entre a produção real e prevista, o que demonstra que nesta fase houve um melhor comportamento dos dados usados, e por sinal uma melhor performance que pode ser explicada pela presença de mais dias de sol e dias mais longos. |
id |
RCAP_27afd56a414314ff6d94577c680d14ea |
---|---|
oai_identifier_str |
oai:run.unl.pt:10362/104483 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício InovadorProdução fotovoltaicaTemperaturaIrradiânciaRedes neuronaisDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaNos dias de hoje, existe a consciencialização de que a energia fotovoltaica é aquela que apresenta uma maior sustentabilidade energética dos edifícios. O objetivo desta dissertação foi prever a energia fotovoltaica produzida num edifício inovador, tendo por base os dados da temperatura ambiente e da irradiância, de modo a comparar os valores previstos com os valores reais. Para a realização dos sistemas de previsão usamos o software Matlab R2019b e um modelo de redes neuronais do tipo NARX. Foi realizado um pré-processamento dos dados fornecidos com ajustamento do intervalo entre cada amostra (15 minutos) com divisão dos dados em 2 partes (treino e validação). No treino usamos os dados entre 2015 e 2017 e na validação os do ano de 2018. Quanto ao intervalo de medição a considerar para as 2 amostras foi entre as 5h e as 21h, e as redes foram testadas com 5, 8, 10, 12 e 15 neurónios na camada oculta e com conjuntos de treino de 15, 20, 25 e 30 dias de dados. Após definirmos o conjunto de treino e o número de neurónios a aplicar nos preditores da temperatura e da irradiância (variáveis de entrada), estimamos a produção fotovoltaica (variável de saída). As principais conclusões relativamente à produção fotovoltaica demonstraram que, os meses que apresentam valores mais elevados de produção (real e prevista) e com maiores diferenças ao nível da produção total, foram os meses do início do ano, onde os dias são mais curtos. Os que apresentaram valores mais baixos, embora com uma tendência de subida, foram os meses entre a primavera e o outono (dias maiores). Foi também durante estes meses que observamos uma menor diferença na produção fotovoltaica, entre a produção real e prevista, o que demonstra que nesta fase houve um melhor comportamento dos dados usados, e por sinal uma melhor performance que pode ser explicada pela presença de mais dias de sol e dias mais longos.Pina, JoãoFacão, JorgeRUNSerrano, Simão Pedro Mendes2020-09-22T10:48:10Z2020-0720202020-07-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/104483porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-11T04:49:42Zoai:run.unl.pt:10362/104483Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:40:09.711716Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
title |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
spellingShingle |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador Serrano, Simão Pedro Mendes Produção fotovoltaica Temperatura Irradiância Redes neuronais Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
title_full |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
title_fullStr |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
title_full_unstemmed |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
title_sort |
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador |
author |
Serrano, Simão Pedro Mendes |
author_facet |
Serrano, Simão Pedro Mendes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pina, João Facão, Jorge RUN |
dc.contributor.author.fl_str_mv |
Serrano, Simão Pedro Mendes |
dc.subject.por.fl_str_mv |
Produção fotovoltaica Temperatura Irradiância Redes neuronais Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Produção fotovoltaica Temperatura Irradiância Redes neuronais Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Nos dias de hoje, existe a consciencialização de que a energia fotovoltaica é aquela que apresenta uma maior sustentabilidade energética dos edifícios. O objetivo desta dissertação foi prever a energia fotovoltaica produzida num edifício inovador, tendo por base os dados da temperatura ambiente e da irradiância, de modo a comparar os valores previstos com os valores reais. Para a realização dos sistemas de previsão usamos o software Matlab R2019b e um modelo de redes neuronais do tipo NARX. Foi realizado um pré-processamento dos dados fornecidos com ajustamento do intervalo entre cada amostra (15 minutos) com divisão dos dados em 2 partes (treino e validação). No treino usamos os dados entre 2015 e 2017 e na validação os do ano de 2018. Quanto ao intervalo de medição a considerar para as 2 amostras foi entre as 5h e as 21h, e as redes foram testadas com 5, 8, 10, 12 e 15 neurónios na camada oculta e com conjuntos de treino de 15, 20, 25 e 30 dias de dados. Após definirmos o conjunto de treino e o número de neurónios a aplicar nos preditores da temperatura e da irradiância (variáveis de entrada), estimamos a produção fotovoltaica (variável de saída). As principais conclusões relativamente à produção fotovoltaica demonstraram que, os meses que apresentam valores mais elevados de produção (real e prevista) e com maiores diferenças ao nível da produção total, foram os meses do início do ano, onde os dias são mais curtos. Os que apresentaram valores mais baixos, embora com uma tendência de subida, foram os meses entre a primavera e o outono (dias maiores). Foi também durante estes meses que observamos uma menor diferença na produção fotovoltaica, entre a produção real e prevista, o que demonstra que nesta fase houve um melhor comportamento dos dados usados, e por sinal uma melhor performance que pode ser explicada pela presença de mais dias de sol e dias mais longos. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-09-22T10:48:10Z 2020-07 2020 2020-07-01T00:00:00Z |
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 |
http://hdl.handle.net/10362/104483 |
url |
http://hdl.handle.net/10362/104483 |
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 |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799138017324040192 |