Previsão de radiação solar e temperatura ambiente voltada para auxiliar a operação de usina fotovoltaicas

• Autor(a) principal: SABINO, Edson Ricardo Calado
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/001300000p1jf
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/36837
• topic: Engenharia de energia solar; Previsão de radiação solar; Previsão de temperatura; Imagens de satélite; Combinação de previsão

A radiação solar e a temperatura do módulo são os fatores que mais influenciam a potência gerada por uma central Fotovoltaica. Este trabalho propõe uma metodologia para previsão de irradiância global horizontal (GHI) e temperatura em escala horária, visando atender aos horizontes de previsão de interesse para a programação de geração do Operador Nacional do Sistema (um dia à frente com time-step horário). A metodologia de previsão de GHI é composta essencialmente pela combinação de duas previsões: a primeira sendo baseada em dados de radiômetro, os quais apresentam boa precisão. A segunda baseia-se em imagens de satélite, das quais se busca extrair informações de um domínio espacial amplo, buscando assim aumentar a abrangência espacial e, consequentemente, a temporal. Pelo fato de a série temporal de entrada de GHI ter sido construída preservando-se apenas os períodos diurnos (de horas de incidência solar), os horizontes de previsão variaram de 1 até 12 passos à frente, os quais permitem cobrir a previsão de todos os horários da janela útil de radiação do dia seguinte. Já as previsões de temperatura são baseadas em dados de temperatura medidos na superfície e realizadas por modelos univariados de fácil implementação para horizontes de 1h a 24h à frente. Os sítios escolhidos (Brasília, Pesqueira e Petrolina) possuem climas variados, possibilitando o teste da metodologia em diferentes condições. São utilizados dois anos de dados horários de temperatura e três anos de GHI medidos em terra e imagens dos satélites GOES 12 e GOES 13 dos anos de 2013 a 2015, empregando a validação cruzada. Foram utilizados modelos lineares (Autorregressivos) para a temperatura e não lineares (Redes Neurais) para a GHI. Para o pré-tratamento (redução da dimensionalidade) das imagens de satélite, foram utilizadas análise de correlação para seleção dos pixels das imagens e análise de componentes principais. Os modelos de previsão de temperatura alcançaram erros médios de 0,6°C a 1,6°C, superando em todos os horizontes os modelos de persistência (modelo de referência). Os modelos individuais de previsão de GHI também superaram a persistência e modelos de outros autores em quase todos os horizontes. A combinação das previsões trouxe aumento no Improvement (melhora com relação ao modelo de Persistência) e no Skill de Taylor (estatístico calculado com base na correlação e nos desvios-padrão) de até 3 e 8 pontos percentuais, respectivamente. Além disso, foram alcançados resultados de previsão via imagens de satélite satisfatórios para horizontes além daqueles considerados pela literatura como favoráveis à sua utilização. Uma segunda contribuição do trabalho foi a proposição e validação de um modelo individual de previsão via imagens de satélite, o qual não utiliza dados de radiômetro nem mesmo na calibração, sendo uma alternativa para lugares onde não haja disponibilidade de dados medidos em estações radiométricas. Seus resultados conseguiram se aproximar dos obtidos por modelos treinados com dados de radiômetro.