Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Bianchi, Ermete Cauduro
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMT
Texto Completo: http://ri.ufmt.br/handle/1/2711
Resumo: This work presents the studies realized to estimate the electric energy by a photovoltaic system connected to the grid, using artificial neural networks as a tool – RNA. To this end, eight different cases were implemented, with the inputs of the artificial neural network as the environmental variables. The answer of the artificial neural network is the estimated photovoltaic electric energy generation. The applied model of artificial neural network and the training are functions available in the software MATLAB. To be able to make estimates, RNA needs to be trained to "learn" how to respond to the environment. In the training of the artificial neural network were used the data of climatic variables: ambient temperature, relative humidity, wind speed and solar irradiation. Besides the climatic variables, the temperature of the photovoltaic panel was also used. The structure of the artificial neural network used was feedfoward backpropagation with Levenberg Marquardt learning algorithm, with two hidden layers, the first layer using logsig activation function and the second tansig, each with four neurons. The estimations of the generation of photovoltaic electric energy were carried out with environmental data of the meteorological station of the FAET, in the own place of the study, and of the automatic meteorological station of INMET, that is located around five kilometers of the place of study. To verify the performance of each estimated case, comparisons were made considering data at five minute and one hour intervals for the environmental data from the FAET station. Comparisons between estimates with data from the two stations at one hour intervals. Comparisons were also made including or not the panel temperature as input from the neural network. As a main result we have that the estimates are better when the data with an interval of one hour and with the data of the meteorological station of the FAET are used. It was also found that in most of the estimated cases, those who considered the surface temperature of the panel achieved better results.
id UFMT_0760de61cea7ed728eb4b6f7d047dc05
oai_identifier_str oai:localhost:1/2711
network_acronym_str UFMT
network_name_str Repositório Institucional da UFMT
repository_id_str
spelling Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiaisRedes neurais artificiaisBackpropagationGeração de energia elétrica fotovoltaicaCNPQ::ENGENHARIASEstimationArtificial neural networksGeneration of photovoltaic electric energyThis work presents the studies realized to estimate the electric energy by a photovoltaic system connected to the grid, using artificial neural networks as a tool – RNA. To this end, eight different cases were implemented, with the inputs of the artificial neural network as the environmental variables. The answer of the artificial neural network is the estimated photovoltaic electric energy generation. The applied model of artificial neural network and the training are functions available in the software MATLAB. To be able to make estimates, RNA needs to be trained to "learn" how to respond to the environment. In the training of the artificial neural network were used the data of climatic variables: ambient temperature, relative humidity, wind speed and solar irradiation. Besides the climatic variables, the temperature of the photovoltaic panel was also used. The structure of the artificial neural network used was feedfoward backpropagation with Levenberg Marquardt learning algorithm, with two hidden layers, the first layer using logsig activation function and the second tansig, each with four neurons. The estimations of the generation of photovoltaic electric energy were carried out with environmental data of the meteorological station of the FAET, in the own place of the study, and of the automatic meteorological station of INMET, that is located around five kilometers of the place of study. To verify the performance of each estimated case, comparisons were made considering data at five minute and one hour intervals for the environmental data from the FAET station. Comparisons between estimates with data from the two stations at one hour intervals. Comparisons were also made including or not the panel temperature as input from the neural network. As a main result we have that the estimates are better when the data with an interval of one hour and with the data of the meteorological station of the FAET are used. It was also found that in most of the estimated cases, those who considered the surface temperature of the panel achieved better results.CAPESEste trabalho apresenta os estudos realizados para estimar a energia elétrica produzida por um sistema fotovoltaico conectado à rede, utilizando como ferramenta as redes neurais artificiais - RNA. Com esta finalidade foram implementados oito casos diferentes, apresentando como entradas da rede neural artificial as variáveis ambientais. A resposta da rede neural artificial é a estimação da geração de energia elétrica fotovoltaica. O modelo utilizado de rede neural artificial e do treinamento fazem parte das funções disponíveis no software MATLAB. Para poder realizar as estimações, a RNA precisa ser treinada para “aprender” a responder ao ambiente. No treinamento da rede neural artificial foram utilizados os dados das variáveis ambientais: temperatura ambiente, umidade relativa, velocidade do vento e irradiação solar. Além das variáveis ambientais provenientes de duas estações meteorológicas distintas, também foi utilizada a temperatura do painel fotovoltaico como entrada da rede neural artificial. A estrutura da rede neural artificial utilizada foi a feed-foward backpropagation com algoritmo de aprendizagem Levenberg Marquardt, com duas camadas escondidas, a primeira camada utilizando função de ativação logsig e a segunda tansig, cada uma com quatro neurônios. As estimações da geração de energia elétrica fotovoltaica foram realizadas com dados ambientais coletados da estação meteorológica da FAET, no próprio local do estudo, e da estação meteorológica automática do INMET, que se encontra localizado aproximadamente a cinco quilômetros do local de estudo. Para verificação do desempenho de cada um dos oito casos estimados, foram feitas comparações considerando dados obtidos em intervalos de cinco minutos e de uma hora para os dados climáticos das duas estações. Também foram realizadas comparações desconsiderando a temperatura do painel e incluindo esta variável como entrada da rede neural. Como resultado principal tem-se que as estimações se apresentam melhores quando são utilizados os dados com intervalo de uma hora e com os dados da estação meteorológica da FAET. Constatou-se também, que na maioria dos casos estimados, os que consideraram a temperatura superficial do painel alcançaram melhores resultados.Universidade Federal de Mato GrossoBrasilFaculdade de Arquitetura, Engenharia e Tecnologia (FAET)UFMT CUC - CuiabáPrograma de Pós-Graduação em Engenharia de Edificações e AmbientalCarvalho, Bismarck Castillohttp://lattes.cnpq.br/2180264251226964Carvalho, Bismarck Castillo870.672.858-87http://lattes.cnpq.br/2180264251226964Minussi, Carlos Roberto143.191.790-72http://lattes.cnpq.br/7166279400544764870.672.858-87Apolonio, Roberto143.070.491-87http://lattes.cnpq.br/5880079059563975Callejas, Ivan Julio Apolonio622.632.771-53http://lattes.cnpq.br/7395380953207614Santilio, Fabricio Parra720.788.201-72http://lattes.cnpq.br/6243185773826554Monteiro, Raul Vitor Arantes065.246.641-91http://lattes.cnpq.br/0979754533543060Bianchi, Ermete Cauduro2021-08-09T15:46:25Z2018-04-272021-08-09T15:46:25Z2018-02-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisBIANCHI, Ermete Cauduro. Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais. 2018. 127 f. Dissertação (Mestrado em Engenharia de Edificações e Ambiental) - Universidade Federal de Mato Grosso, Faculdade de Arquitetura, Engenharia e Tecnologia, Cuiabá, 2018.http://ri.ufmt.br/handle/1/2711porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMTinstname:Universidade Federal de Mato Grosso (UFMT)instacron:UFMT2021-08-14T07:01:09Zoai:localhost:1/2711Repositório InstitucionalPUBhttp://ri.ufmt.br/oai/requestjordanbiblio@gmail.comopendoar:2021-08-14T07:01:09Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT)false
dc.title.none.fl_str_mv Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
title Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
spellingShingle Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
Bianchi, Ermete Cauduro
Redes neurais artificiais
Backpropagation
Geração de energia elétrica fotovoltaica
CNPQ::ENGENHARIAS
Estimation
Artificial neural networks
Generation of photovoltaic electric energy
title_short Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
title_full Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
title_fullStr Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
title_full_unstemmed Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
title_sort Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais
author Bianchi, Ermete Cauduro
author_facet Bianchi, Ermete Cauduro
author_role author
dc.contributor.none.fl_str_mv Carvalho, Bismarck Castillo
http://lattes.cnpq.br/2180264251226964
Carvalho, Bismarck Castillo
870.672.858-87
http://lattes.cnpq.br/2180264251226964
Minussi, Carlos Roberto
143.191.790-72
http://lattes.cnpq.br/7166279400544764
870.672.858-87
Apolonio, Roberto
143.070.491-87
http://lattes.cnpq.br/5880079059563975
Callejas, Ivan Julio Apolonio
622.632.771-53
http://lattes.cnpq.br/7395380953207614
Santilio, Fabricio Parra
720.788.201-72
http://lattes.cnpq.br/6243185773826554
Monteiro, Raul Vitor Arantes
065.246.641-91
http://lattes.cnpq.br/0979754533543060
dc.contributor.author.fl_str_mv Bianchi, Ermete Cauduro
dc.subject.por.fl_str_mv Redes neurais artificiais
Backpropagation
Geração de energia elétrica fotovoltaica
CNPQ::ENGENHARIAS
Estimation
Artificial neural networks
Generation of photovoltaic electric energy
topic Redes neurais artificiais
Backpropagation
Geração de energia elétrica fotovoltaica
CNPQ::ENGENHARIAS
Estimation
Artificial neural networks
Generation of photovoltaic electric energy
description This work presents the studies realized to estimate the electric energy by a photovoltaic system connected to the grid, using artificial neural networks as a tool – RNA. To this end, eight different cases were implemented, with the inputs of the artificial neural network as the environmental variables. The answer of the artificial neural network is the estimated photovoltaic electric energy generation. The applied model of artificial neural network and the training are functions available in the software MATLAB. To be able to make estimates, RNA needs to be trained to "learn" how to respond to the environment. In the training of the artificial neural network were used the data of climatic variables: ambient temperature, relative humidity, wind speed and solar irradiation. Besides the climatic variables, the temperature of the photovoltaic panel was also used. The structure of the artificial neural network used was feedfoward backpropagation with Levenberg Marquardt learning algorithm, with two hidden layers, the first layer using logsig activation function and the second tansig, each with four neurons. The estimations of the generation of photovoltaic electric energy were carried out with environmental data of the meteorological station of the FAET, in the own place of the study, and of the automatic meteorological station of INMET, that is located around five kilometers of the place of study. To verify the performance of each estimated case, comparisons were made considering data at five minute and one hour intervals for the environmental data from the FAET station. Comparisons between estimates with data from the two stations at one hour intervals. Comparisons were also made including or not the panel temperature as input from the neural network. As a main result we have that the estimates are better when the data with an interval of one hour and with the data of the meteorological station of the FAET are used. It was also found that in most of the estimated cases, those who considered the surface temperature of the panel achieved better results.
publishDate 2018
dc.date.none.fl_str_mv 2018-04-27
2018-02-27
2021-08-09T15:46:25Z
2021-08-09T15:46:25Z
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 BIANCHI, Ermete Cauduro. Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais. 2018. 127 f. Dissertação (Mestrado em Engenharia de Edificações e Ambiental) - Universidade Federal de Mato Grosso, Faculdade de Arquitetura, Engenharia e Tecnologia, Cuiabá, 2018.
http://ri.ufmt.br/handle/1/2711
identifier_str_mv BIANCHI, Ermete Cauduro. Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando redes neurais artificiais. 2018. 127 f. Dissertação (Mestrado em Engenharia de Edificações e Ambiental) - Universidade Federal de Mato Grosso, Faculdade de Arquitetura, Engenharia e Tecnologia, Cuiabá, 2018.
url http://ri.ufmt.br/handle/1/2711
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.publisher.none.fl_str_mv Universidade Federal de Mato Grosso
Brasil
Faculdade de Arquitetura, Engenharia e Tecnologia (FAET)
UFMT CUC - Cuiabá
Programa de Pós-Graduação em Engenharia de Edificações e Ambiental
publisher.none.fl_str_mv Universidade Federal de Mato Grosso
Brasil
Faculdade de Arquitetura, Engenharia e Tecnologia (FAET)
UFMT CUC - Cuiabá
Programa de Pós-Graduação em Engenharia de Edificações e Ambiental
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMT
instname:Universidade Federal de Mato Grosso (UFMT)
instacron:UFMT
instname_str Universidade Federal de Mato Grosso (UFMT)
instacron_str UFMT
institution UFMT
reponame_str Repositório Institucional da UFMT
collection Repositório Institucional da UFMT
repository.name.fl_str_mv Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT)
repository.mail.fl_str_mv jordanbiblio@gmail.com
_version_ 1804648509300801536