Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFERSA |
Texto Completo: | https://repositorio.ufersa.edu.br/handle/prefix/6952 |
Resumo: | A energia solar fotovoltaica tem sido disseminada em todo o mundo, e no Brasil essa fonte de energia vem ganhando um espaço considerável nos últimos anos, sendo impulsionada, sobretudo, pelas crises energéticas que o país enfrenta. O uso dos sistemas fotovoltaicos proporciona diversas vantagens, tanto ao consumidor final quanto ao país, contribuindo para diversificação da matriz energética e redução da dependência por fontes fósseis. Porém, atrelado aos benefícios, como em todo sistema real, quando instalados em regiões com baixa incidência de irradiação solar essa tecnologia apresenta perda na eficiência de geração de energia. Logo, se faz necessário realizar um estudo prévio das condições climáticas do local onde o sistema fotovoltaico será instalado. Como alternativa à essa consideração, poder-se-ia realizar um estudo da previsão da produção de potência antes da sua instalação, a partir das informações climáticas locais que influenciam diretamente na geração de potência, verificando a viabilidade da implantação do sistema, e evitando um investimento sem retorno. Sendo assim, o presente trabalho tem como objetivo, realizar a previsão da viabilidade de instalação de sistemas fotovoltaicos em outras localidades, por meio de uma Rede Neural Artificial (RNA). Para isso, foi utilizado como modelo um sistema fotovoltaico de 3kWp localizado no Campus Leste da Universidade Federal Rural do Semi-Árido (UFERSA), com o intuito de prever o seu comportamento quando instalado nos estados do Rio Grande do Sul e Pernambuco. A RNA foi treinada e validada com o auxílio do Matlab®, e os treinamentos foram implementados inserindo como variáveis de entrada os dados de temperatura e irradiação solar da cidade de Mossoró-RN, fornecidos pela estação meteorológica da UFERSA, e a potência elétrica gerada do sistema fotovoltaico foi inserida como variável de saída. Visando ampliar a pesquisa e obter o melhor resultado, utilizou-se no treinamento dois tipos de rede com propostas de funcionamento diferentes, uma feedforward e uma feedback. Após a implementação foram realizadas algumas validações com diferentes situações para verificar a capacidade de generalização de cada rede em prever a saída desejada, posteriormente realizou-se a previsão da geração de potência nos estados do Rio Grande do Sul e Pernambuco, onde nota-se, através dos métodos de análise de desempenho, que os resultados se mostram favoráveis para essa aplicação utilizando a rede feedforward, visto que a rede feedback não obteve bom desempenho para uma quantidade reduzida de amostras inseridas |
id |
UFER_927904d193989fa08d8305ba3e228897 |
---|---|
oai_identifier_str |
oai:repositorio.ufersa.edu.br:prefix/6952 |
network_acronym_str |
UFER |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFERSA |
repository_id_str |
|
spelling |
Rocha, Amanda Suianny FernandesGuerra, Fabiana Karla de Oliveira Martins VarellaVale, Marcelo Roberto Bastos Guerrahttp://lattes.cnpq.br/5510574256894005Casillo, Danielle Simone da Silvahttp://lattes.cnpq.br/2111858571672626Araújo Júnior, José de Medeiros dehttp://lattes.cnpq.br/3758667796324850http://lattes.cnpq.br/15470057008634602022-04-28T12:23:44Z2019-04-052022-04-28T12:23:44Z2019-02-22Rocha (2019) (ROCHA, 2019)https://repositorio.ufersa.edu.br/handle/prefix/6952A energia solar fotovoltaica tem sido disseminada em todo o mundo, e no Brasil essa fonte de energia vem ganhando um espaço considerável nos últimos anos, sendo impulsionada, sobretudo, pelas crises energéticas que o país enfrenta. O uso dos sistemas fotovoltaicos proporciona diversas vantagens, tanto ao consumidor final quanto ao país, contribuindo para diversificação da matriz energética e redução da dependência por fontes fósseis. Porém, atrelado aos benefícios, como em todo sistema real, quando instalados em regiões com baixa incidência de irradiação solar essa tecnologia apresenta perda na eficiência de geração de energia. Logo, se faz necessário realizar um estudo prévio das condições climáticas do local onde o sistema fotovoltaico será instalado. Como alternativa à essa consideração, poder-se-ia realizar um estudo da previsão da produção de potência antes da sua instalação, a partir das informações climáticas locais que influenciam diretamente na geração de potência, verificando a viabilidade da implantação do sistema, e evitando um investimento sem retorno. Sendo assim, o presente trabalho tem como objetivo, realizar a previsão da viabilidade de instalação de sistemas fotovoltaicos em outras localidades, por meio de uma Rede Neural Artificial (RNA). Para isso, foi utilizado como modelo um sistema fotovoltaico de 3kWp localizado no Campus Leste da Universidade Federal Rural do Semi-Árido (UFERSA), com o intuito de prever o seu comportamento quando instalado nos estados do Rio Grande do Sul e Pernambuco. A RNA foi treinada e validada com o auxílio do Matlab®, e os treinamentos foram implementados inserindo como variáveis de entrada os dados de temperatura e irradiação solar da cidade de Mossoró-RN, fornecidos pela estação meteorológica da UFERSA, e a potência elétrica gerada do sistema fotovoltaico foi inserida como variável de saída. Visando ampliar a pesquisa e obter o melhor resultado, utilizou-se no treinamento dois tipos de rede com propostas de funcionamento diferentes, uma feedforward e uma feedback. Após a implementação foram realizadas algumas validações com diferentes situações para verificar a capacidade de generalização de cada rede em prever a saída desejada, posteriormente realizou-se a previsão da geração de potência nos estados do Rio Grande do Sul e Pernambuco, onde nota-se, através dos métodos de análise de desempenho, que os resultados se mostram favoráveis para essa aplicação utilizando a rede feedforward, visto que a rede feedback não obteve bom desempenho para uma quantidade reduzida de amostras inseridasPhotovoltaic solar energy has been disseminated all over the world, and in Brazil this energy source has been getting considerable space in recent years, being stimulated mainly by the energy crises that the country faces. The use of photovoltaic systems offers several advantages, both to the final consumer and the country, contributing to the diversification of the energy matrix and reduction of dependence on fossil sources. However, associated with the benefits, as in any real system, when installed in regions with low incidence of solar irradiation this technology presents a loss in the efficiency of energy generation. Therefore, it is necessary to implement a preliminary study of the climatic conditions from the place where the photovoltaic system will be installed. As an alternative to this consideration, a study of the prediction of power production before its installation could be carried out, based on the local climatic information that directly influences the power generation, verifying the feasibility of the system implantation, and avoiding a investment. Therefore, this work aims to predict the viability of installing photovoltaic systems in other places, through an Artificial Neural Network (ANN). For this, the 3kWp photovoltaic system located in the Federal University of the Semi-Arid (UFERSA) Federal Campus was used as a model, in order to predict its behavior when installed in the states of Rio Grande do Sul and Pernambuco. The RNA was trained and validated with the support of Matlab®, and the training was implemented by inserting the input variables the data of temperature and solar irradiation of the city of Mossoró-RN, provided by the UFERSA weather station, and the generated electricity of the photovoltaic system was inserted as output variable. In order to enlarge the research and obtain the best result, two types of network with different operational proposals, feedforward and feedback were used in the training. After the implementation, some validations were carried out with different situations to verify the generalization capacity of each network in predicting the wanted output. Later, it was realized the power generation forecast in the states of Rio Grande do Sul and Pernambuco, through the methods of performance analysis, that the results are favorable for this application using feedforward network, since the feedback network did not perform well for a reduced amount of inserted samplesTrabalho não financiado por agência de fomento, ou autofinanciadoporUniversidade Federal Rural do Semi-ÁridoPrograma de Pós-graduação em Engenharia ElétricaUFERSABrasilCentro de Engenharias - CEROCHA, Amanda Suianny Fernandes. Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região. 2019. 118 f. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal Rural do Semi-Árido, Mossoró, 2019.https://creativecommons.org/licenses/by-sa/4.0/deed.pt_BRCC-BY-SAinfo:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICASistema solar fotovoltaicoRede neural artificialPrevisão de potênciaEficiência energéticaSolar photovoltaic systemArtificial neural networkPower ForecastEnergy efficiencyPrevisão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da regiãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da UFERSAinstname:Universidade Federal Rural do Semi-Árido (UFERSA)instacron:UFERSATEXTAmandaSFR_DISSERT.pdf.txtAmandaSFR_DISSERT.pdf.txtExtracted texttext/plain206928https://repositorio.ufersa.edu.br//bitstream/prefix/6952/3/AmandaSFR_DISSERT.pdf.txt2525f05c94d9454910873bcc1ac30f4dMD53THUMBNAILAmandaSFR_DISSERT.pdf.jpgAmandaSFR_DISSERT.pdf.jpgGenerated Thumbnailimage/jpeg1237https://repositorio.ufersa.edu.br//bitstream/prefix/6952/4/AmandaSFR_DISSERT.pdf.jpga497c92015f5095049576a158abe7b8cMD54ORIGINALAmandaSFR_DISSERT.pdfAmandaSFR_DISSERT.pdfapplication/pdf8148969https://repositorio.ufersa.edu.br//bitstream/prefix/6952/1/AmandaSFR_DISSERT.pdfc542f6ccfdc4cd221c50a9dbe4c9caa9MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufersa.edu.br//bitstream/prefix/6952/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52prefix/69522022-07-28 17:43:37.1oai:repositorio.ufersa.edu.br:prefix/6952Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufersa.edu.br/PUBhttp://bdtd.ufersa.edu.br/oai/requestdirecaosisbi@ufersa.edu.br|| direcaosisbi@ufersa.edu.bropendoar:2022-07-28T20:43:37Biblioteca Digital de Teses e Dissertações da UFERSA - Universidade Federal Rural do Semi-Árido (UFERSA)false |
dc.title.pt_BR.fl_str_mv |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
title |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
spellingShingle |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região Rocha, Amanda Suianny Fernandes CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Sistema solar fotovoltaico Rede neural artificial Previsão de potência Eficiência energética Solar photovoltaic system Artificial neural network Power Forecast Energy efficiency |
title_short |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
title_full |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
title_fullStr |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
title_full_unstemmed |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
title_sort |
Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região |
author |
Rocha, Amanda Suianny Fernandes |
author_facet |
Rocha, Amanda Suianny Fernandes |
author_role |
author |
dc.contributor.author.fl_str_mv |
Rocha, Amanda Suianny Fernandes |
dc.contributor.advisor1.fl_str_mv |
Guerra, Fabiana Karla de Oliveira Martins Varella |
dc.contributor.advisor-co1.fl_str_mv |
Vale, Marcelo Roberto Bastos Guerra |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/5510574256894005 |
dc.contributor.referee1.fl_str_mv |
Casillo, Danielle Simone da Silva |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/2111858571672626 |
dc.contributor.referee2.fl_str_mv |
Araújo Júnior, José de Medeiros de |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/3758667796324850 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/1547005700863460 |
contributor_str_mv |
Guerra, Fabiana Karla de Oliveira Martins Varella Vale, Marcelo Roberto Bastos Guerra Casillo, Danielle Simone da Silva Araújo Júnior, José de Medeiros de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Sistema solar fotovoltaico Rede neural artificial Previsão de potência Eficiência energética Solar photovoltaic system Artificial neural network Power Forecast Energy efficiency |
dc.subject.por.fl_str_mv |
Sistema solar fotovoltaico Rede neural artificial Previsão de potência Eficiência energética Solar photovoltaic system Artificial neural network Power Forecast Energy efficiency |
description |
A energia solar fotovoltaica tem sido disseminada em todo o mundo, e no Brasil essa fonte de energia vem ganhando um espaço considerável nos últimos anos, sendo impulsionada, sobretudo, pelas crises energéticas que o país enfrenta. O uso dos sistemas fotovoltaicos proporciona diversas vantagens, tanto ao consumidor final quanto ao país, contribuindo para diversificação da matriz energética e redução da dependência por fontes fósseis. Porém, atrelado aos benefícios, como em todo sistema real, quando instalados em regiões com baixa incidência de irradiação solar essa tecnologia apresenta perda na eficiência de geração de energia. Logo, se faz necessário realizar um estudo prévio das condições climáticas do local onde o sistema fotovoltaico será instalado. Como alternativa à essa consideração, poder-se-ia realizar um estudo da previsão da produção de potência antes da sua instalação, a partir das informações climáticas locais que influenciam diretamente na geração de potência, verificando a viabilidade da implantação do sistema, e evitando um investimento sem retorno. Sendo assim, o presente trabalho tem como objetivo, realizar a previsão da viabilidade de instalação de sistemas fotovoltaicos em outras localidades, por meio de uma Rede Neural Artificial (RNA). Para isso, foi utilizado como modelo um sistema fotovoltaico de 3kWp localizado no Campus Leste da Universidade Federal Rural do Semi-Árido (UFERSA), com o intuito de prever o seu comportamento quando instalado nos estados do Rio Grande do Sul e Pernambuco. A RNA foi treinada e validada com o auxílio do Matlab®, e os treinamentos foram implementados inserindo como variáveis de entrada os dados de temperatura e irradiação solar da cidade de Mossoró-RN, fornecidos pela estação meteorológica da UFERSA, e a potência elétrica gerada do sistema fotovoltaico foi inserida como variável de saída. Visando ampliar a pesquisa e obter o melhor resultado, utilizou-se no treinamento dois tipos de rede com propostas de funcionamento diferentes, uma feedforward e uma feedback. Após a implementação foram realizadas algumas validações com diferentes situações para verificar a capacidade de generalização de cada rede em prever a saída desejada, posteriormente realizou-se a previsão da geração de potência nos estados do Rio Grande do Sul e Pernambuco, onde nota-se, através dos métodos de análise de desempenho, que os resultados se mostram favoráveis para essa aplicação utilizando a rede feedforward, visto que a rede feedback não obteve bom desempenho para uma quantidade reduzida de amostras inseridas |
publishDate |
2019 |
dc.date.available.fl_str_mv |
2019-04-05 2022-04-28T12:23:44Z |
dc.date.issued.fl_str_mv |
2019-02-22 |
dc.date.accessioned.fl_str_mv |
2022-04-28T12:23:44Z |
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.citation.fl_str_mv |
Rocha (2019) (ROCHA, 2019) |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufersa.edu.br/handle/prefix/6952 |
identifier_str_mv |
Rocha (2019) (ROCHA, 2019) |
url |
https://repositorio.ufersa.edu.br/handle/prefix/6952 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.references.pt_BR.fl_str_mv |
ROCHA, Amanda Suianny Fernandes. Previsão do desempenho de um sistema solar fotovoltaico conforme dados meteorológicos da região. 2019. 118 f. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal Rural do Semi-Árido, Mossoró, 2019. |
dc.rights.driver.fl_str_mv |
https://creativecommons.org/licenses/by-sa/4.0/deed.pt_BR CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-sa/4.0/deed.pt_BR CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal Rural do Semi-Árido |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFERSA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Centro de Engenharias - CE |
publisher.none.fl_str_mv |
Universidade Federal Rural do Semi-Árido |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFERSA instname:Universidade Federal Rural do Semi-Árido (UFERSA) instacron:UFERSA |
instname_str |
Universidade Federal Rural do Semi-Árido (UFERSA) |
instacron_str |
UFERSA |
institution |
UFERSA |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFERSA |
collection |
Biblioteca Digital de Teses e Dissertações da UFERSA |
bitstream.url.fl_str_mv |
https://repositorio.ufersa.edu.br//bitstream/prefix/6952/3/AmandaSFR_DISSERT.pdf.txt https://repositorio.ufersa.edu.br//bitstream/prefix/6952/4/AmandaSFR_DISSERT.pdf.jpg https://repositorio.ufersa.edu.br//bitstream/prefix/6952/1/AmandaSFR_DISSERT.pdf https://repositorio.ufersa.edu.br//bitstream/prefix/6952/2/license_rdf |
bitstream.checksum.fl_str_mv |
2525f05c94d9454910873bcc1ac30f4d a497c92015f5095049576a158abe7b8c c542f6ccfdc4cd221c50a9dbe4c9caa9 e39d27027a6cc9cb039ad269a5db8e34 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFERSA - Universidade Federal Rural do Semi-Árido (UFERSA) |
repository.mail.fl_str_mv |
direcaosisbi@ufersa.edu.br|| direcaosisbi@ufersa.edu.br |
_version_ |
1766778972088041472 |