Modelos de previsão para deteção de falhas em sistemas fotovoltaicos

• Autor(a) principal: Soares, Maria Helena Leal
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/24051
• topic: Photovoltaic Panels; data analysis; time series; SARIMA; Neural Networks; Domínio/Área Científica::Engenharia e Tecnologia

A crescente preocupação com a sustentabilidade energética tem conduzido a um aumento significativo na adoção de fontes de energia renovável em detrimento das fontes não renováveis, como os combustíveis fósseis. Este tópico tem ganhado cada vez mais destaque na atualidade, refletindo um movimento global em direção a práticas mais ecológicas e eficientes no uso de recursos energéticos. Os sistemas fotovoltaicos surgem como uma medida sustentável, permitindo transformar energia solar em energia elétrica. Este tipo de sistemas é bastante vantajoso, para os mais diversos setores, para além de permitir a redução de custos nas organizações, auxilia o combate nas questões climáticas. No presente trabalho, através do conjunto de dados fornecidos contendo várias métricas, foi possível estudar uma instalação de painéis fotovoltaicos situada na zona do Porto. O principal objetivo era criar um método de diagnóstico de falhas através de métodos de previsão em linguagem Python. Para tal desenvolveu-se uma análise exploratória dos dados, com a finalidade de obter insightsimportantes para a seleção do modelo a desenvolver. Desta forma, de acordo com as conclusões da análise exploratória, foram selecionados dois modelos de previsão. Inicialmente, foi implementado o modelo de previsão baseado em redes neuronais, no entanto, apenas foi aplicado para uma variável. Desta forma, após uma nova pesquisa na literatura optou se por utilizar o modelo de previsão de séries temporais SARIMA, visto que, os dados apresentavam sazonalidade, uma característica importante para a construção deste modelo. E desta forma, foi possível também comparar os resultados dos dois modelos para uma variável em comum. O principal desafio foi a robustez do conjunto de dados disponíveis. Apesar da granularidade dos dados apresentados, apenas foram facultados dados relativos a dois anos, representando um desafio substancial, uma vez que o modelo de previsão SARIMA depende da análise do comportamento dos dados históricos para estabelecer previsões futuras confiáveis. Os dois modelos permitiram desenvolver valores de previsões futuros sobre diversas variáveis relevantes para a identificação de potenciais falhas no sistema fotovoltaico. Os resultados das previsões indicam que, para o próximo ano, os valores das variáveis devem manter-se semelhantes aos dados históricos e, portanto, não são esperadas falhas. Estes resultados eram esperados, uma vez que os fornecedores garantem um alto desempenho no início da vida útil do sistema. Os sistemas fotovoltaicos representam uma solução definitiva e sustentável e de grande relevância na atualidade. Quando unimos esse tópico à previsão, ele torna-se ainda mais fascinante para explorar. Além disso, a integração de questões relacionadas às energias renováveis com aspetos de engenharia, como a programação de métodos de previsão, ofereceu uma abordagem muito interessante de desenvolver.