Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFJF |
Texto Completo: | https://repositorio.ufjf.br/jspui/handle/ufjf/14057 |
Resumo: | As campanhas de medição e verificação (M&V) de resultados em projetos de eficiência energética desempenham um papel fundamental na avaliação dos reais benefícios oriundos das ações implementadas. Em projetos que contemplam a implementação de geração solar, umas das variáveis independentes consideradas no processo é a irradiação solar, de que depende da variação da energia provida pelo sistema. Neste intuito, uma metodologia com aplicação de redes neurais LSTM (Long-Short Term Memory) para a previsão da “irradiação solar” é proposta, com o objetivo de reduzir o tempo de acompanhamento dos resultados do projeto de doze para seis meses, tendo em vista as dificuldades enfrentadas em períodos longos de monitoramento. A avaliação do método aplicado ao problema na M&V para projetos com sistema fotovoltaico (SFV), apresentou resultados satisfatórios, identificando uma solução alternativa com a aplicação de redes neurais LSTM. |
id |
UFJF_5c6dca742f2fb1a0857f0e1b4f2fc2d9 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/14057 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Oliveira, Leonardo Willer dehttp://lattes.cnpq.br/9223644407644508Oliveira, Janaína Gonçalves dehttps://lattes.cnFerreira, Vitor Hugohttps://lattes.cnpq.br/Oliveira, Ângelo Rocha dehttp://lattes.cnpq.br/3401819655719801Dias, Bruno Henriqueshttp://lattes.cnpq.br/0551171976628693http://lattes.cnpq.br/5742703036071900Melo, Denise Sanches de2022-05-10T12:07:47Z2022-05-092022-05-10T12:07:47Z2022-02-08https://repositorio.ufjf.br/jspui/handle/ufjf/14057As campanhas de medição e verificação (M&V) de resultados em projetos de eficiência energética desempenham um papel fundamental na avaliação dos reais benefícios oriundos das ações implementadas. Em projetos que contemplam a implementação de geração solar, umas das variáveis independentes consideradas no processo é a irradiação solar, de que depende da variação da energia provida pelo sistema. Neste intuito, uma metodologia com aplicação de redes neurais LSTM (Long-Short Term Memory) para a previsão da “irradiação solar” é proposta, com o objetivo de reduzir o tempo de acompanhamento dos resultados do projeto de doze para seis meses, tendo em vista as dificuldades enfrentadas em períodos longos de monitoramento. A avaliação do método aplicado ao problema na M&V para projetos com sistema fotovoltaico (SFV), apresentou resultados satisfatórios, identificando uma solução alternativa com a aplicação de redes neurais LSTM.The measurement and verification (M&V) campaigns of results in energy efficiency projects play a fundamental role in evaluating the real benefits arising from the implemented actions. In projects that include the implementation of solar generation, one of the independent variables considered in the process is “solar irradiation”, on which the variation of energy provided by the system depends. With this in mind, a methodology with the application of LSTM neural networks (LongShort Term Memory) for the prediction of "solar irradiation" is proposed, with the objective of reducing the time for monitoring the project results from twelve to six months, taking in given the difficulties faced in long periods of monitoring. The evaluation of the method applied to the problem in M&V for projects with a photovoltaic system (SFV), showed satisfactory results, identifying an alternative solution with the application of LSTM neural networks.porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAM&VRede neural LSTMPrevisão de irradiação solarEnergia solarLSTM neural networkSolar radiation forecastSolar energyAplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaicoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFORIGINALdenisesanchesdemelo.pdfdenisesanchesdemelo.pdfPDF/Aapplication/pdf2799945https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/1/denisesanchesdemelo.pdf6dbb018a98395d158e35f2882cab0debMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52TEXTdenisesanchesdemelo.pdf.txtdenisesanchesdemelo.pdf.txtExtracted texttext/plain199061https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/4/denisesanchesdemelo.pdf.txt2073bf1edd6365d23693074bed6d6bc4MD54THUMBNAILdenisesanchesdemelo.pdf.jpgdenisesanchesdemelo.pdf.jpgGenerated Thumbnailimage/jpeg1259https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/5/denisesanchesdemelo.pdf.jpg8991af2849f7a1aec7dcd9a0d0abc864MD55ufjf/140572022-05-11 03:10:54.237oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2022-05-11T06:10:54Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
title |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
spellingShingle |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico Melo, Denise Sanches de CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA M&V Rede neural LSTM Previsão de irradiação solar Energia solar LSTM neural network Solar radiation forecast Solar energy |
title_short |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
title_full |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
title_fullStr |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
title_full_unstemmed |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
title_sort |
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico |
author |
Melo, Denise Sanches de |
author_facet |
Melo, Denise Sanches de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Oliveira, Leonardo Willer de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/9223644407644508 |
dc.contributor.advisor-co1.fl_str_mv |
Oliveira, Janaína Gonçalves de |
dc.contributor.advisor-co1Lattes.fl_str_mv |
https://lattes.cn |
dc.contributor.referee1.fl_str_mv |
Ferreira, Vitor Hugo |
dc.contributor.referee1Lattes.fl_str_mv |
https://lattes.cnpq.br/ |
dc.contributor.referee2.fl_str_mv |
Oliveira, Ângelo Rocha de |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/3401819655719801 |
dc.contributor.referee3.fl_str_mv |
Dias, Bruno Henriques |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/0551171976628693 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5742703036071900 |
dc.contributor.author.fl_str_mv |
Melo, Denise Sanches de |
contributor_str_mv |
Oliveira, Leonardo Willer de Oliveira, Janaína Gonçalves de Ferreira, Vitor Hugo Oliveira, Ângelo Rocha de Dias, Bruno Henriques |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA M&V Rede neural LSTM Previsão de irradiação solar Energia solar LSTM neural network Solar radiation forecast Solar energy |
dc.subject.por.fl_str_mv |
M&V Rede neural LSTM Previsão de irradiação solar Energia solar LSTM neural network Solar radiation forecast Solar energy |
description |
As campanhas de medição e verificação (M&V) de resultados em projetos de eficiência energética desempenham um papel fundamental na avaliação dos reais benefícios oriundos das ações implementadas. Em projetos que contemplam a implementação de geração solar, umas das variáveis independentes consideradas no processo é a irradiação solar, de que depende da variação da energia provida pelo sistema. Neste intuito, uma metodologia com aplicação de redes neurais LSTM (Long-Short Term Memory) para a previsão da “irradiação solar” é proposta, com o objetivo de reduzir o tempo de acompanhamento dos resultados do projeto de doze para seis meses, tendo em vista as dificuldades enfrentadas em períodos longos de monitoramento. A avaliação do método aplicado ao problema na M&V para projetos com sistema fotovoltaico (SFV), apresentou resultados satisfatórios, identificando uma solução alternativa com a aplicação de redes neurais LSTM. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-05-10T12:07:47Z |
dc.date.available.fl_str_mv |
2022-05-09 2022-05-10T12:07:47Z |
dc.date.issued.fl_str_mv |
2022-02-08 |
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.ufjf.br/jspui/handle/ufjf/14057 |
url |
https://repositorio.ufjf.br/jspui/handle/ufjf/14057 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/1/denisesanchesdemelo.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/3/license.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/2/license_rdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/4/denisesanchesdemelo.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/14057/5/denisesanchesdemelo.pdf.jpg |
bitstream.checksum.fl_str_mv |
6dbb018a98395d158e35f2882cab0deb 8a4605be74aa9ea9d79846c1fba20a33 e39d27027a6cc9cb039ad269a5db8e34 2073bf1edd6365d23693074bed6d6bc4 8991af2849f7a1aec7dcd9a0d0abc864 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1801661336899289088 |