Modelagem e predição de flutuações da irradiação solar de curta duração
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/35446 |
Resumo: | Atualmente, um dos maiores desafios na geração de energia solar é garantir que a energia gerada seja fornecida de forma segura e confiável. Em consequência, tornou-se essencial elaborar modelos para prever a incidência de radiação solar dentro de vários intervalos de tempo de interesse. O objetivo principal deste trabalho foi o desenvolvimento de uma metodologia composta por algoritmos e um conjunto de instrumentos que permitissem fazer previsões sobre a incidência de radiação solar dentro de curtos horizontes temporais. Para esta pesquisa, foram utilizadas imagens de uma câmera de lente fisheye de baixo custo e dados da estação solarimétrica. As imagens foram armazenadas juntamente com os dados de irradiância em um banco de dados. Durante a etapa de processamento de dados, cada fotografia do céu foi submetida a um tratamento digital para aprimoramento de contraste. As imagens resultantes foram, então, segmentadas com o auxílio de novos atributos matemáticos desenvolvidos a partir de espaços de cores conhecidos (RGB, HSV, YCrCb e Lab). Com esses atributos, construiu-se um modelo através de Máquina de Vetores de Suporte (SVM) para classificação, ou SVC, o que resultou em uma taxa de acerto na classificação de nuvens com precisão de 99,2% pelo método de 10 folders de validação cruzada. Em seguida calculou-se a fração de cobertura de nuvens. Os resultados obtidos por imagens foram usados como entrada para modelar a irradiância total e direta por regressão via SVR e validados pelo método de 10 folders. O coeficiente de correlação de Pearson atingiu 98% considerando toda a faixa de incursão dos sinais de irradiância dentro das 6236 amostras do período. Um modelo final com a inclusão das irradiâncias entre os dados de uma série temporal foi então desenvolvido por meio de SVR para predição das irradiâncias total e direta em oito horizontes temporais curtos (entre 1 e 30 minutos). Em síntese, os resultados demonstraram que com um equipamento simples e barato como a câmera fisheye foi possível: calcular a fração de cobertura de nuvens no céu; modelar a irradiância solar total e direta; estimar a velocidade (em pixels) das nuvens; e com adição de dados solarimétricos foram realizadas predições em curtos espaços de tempo com acurácia comparável a alguns trabalhos realizados dentro de uma metodologia similar no que se refere a coleta de dados e aos horizontes de predição espaço-temporal. |
id |
UFPE_d302aa2943b82583a176744d4440f880 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/35446 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
CAMPOS FILHO, Manoel Henriques de Sáhttp://lattes.cnpq.br/8654183379825397http://lattes.cnpq.br/9914659189514029TIBA, Chigueru2019-12-03T21:57:31Z2019-12-03T21:57:31Z2019-07-18CAMPOS FILHO, Manoel Henriques de Sá. Modelagem e predição de flutuações da irradiação solar de curta duração. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019.https://repositorio.ufpe.br/handle/123456789/35446Atualmente, um dos maiores desafios na geração de energia solar é garantir que a energia gerada seja fornecida de forma segura e confiável. Em consequência, tornou-se essencial elaborar modelos para prever a incidência de radiação solar dentro de vários intervalos de tempo de interesse. O objetivo principal deste trabalho foi o desenvolvimento de uma metodologia composta por algoritmos e um conjunto de instrumentos que permitissem fazer previsões sobre a incidência de radiação solar dentro de curtos horizontes temporais. Para esta pesquisa, foram utilizadas imagens de uma câmera de lente fisheye de baixo custo e dados da estação solarimétrica. As imagens foram armazenadas juntamente com os dados de irradiância em um banco de dados. Durante a etapa de processamento de dados, cada fotografia do céu foi submetida a um tratamento digital para aprimoramento de contraste. As imagens resultantes foram, então, segmentadas com o auxílio de novos atributos matemáticos desenvolvidos a partir de espaços de cores conhecidos (RGB, HSV, YCrCb e Lab). Com esses atributos, construiu-se um modelo através de Máquina de Vetores de Suporte (SVM) para classificação, ou SVC, o que resultou em uma taxa de acerto na classificação de nuvens com precisão de 99,2% pelo método de 10 folders de validação cruzada. Em seguida calculou-se a fração de cobertura de nuvens. Os resultados obtidos por imagens foram usados como entrada para modelar a irradiância total e direta por regressão via SVR e validados pelo método de 10 folders. O coeficiente de correlação de Pearson atingiu 98% considerando toda a faixa de incursão dos sinais de irradiância dentro das 6236 amostras do período. Um modelo final com a inclusão das irradiâncias entre os dados de uma série temporal foi então desenvolvido por meio de SVR para predição das irradiâncias total e direta em oito horizontes temporais curtos (entre 1 e 30 minutos). Em síntese, os resultados demonstraram que com um equipamento simples e barato como a câmera fisheye foi possível: calcular a fração de cobertura de nuvens no céu; modelar a irradiância solar total e direta; estimar a velocidade (em pixels) das nuvens; e com adição de dados solarimétricos foram realizadas predições em curtos espaços de tempo com acurácia comparável a alguns trabalhos realizados dentro de uma metodologia similar no que se refere a coleta de dados e aos horizontes de predição espaço-temporal.FACEPENowadays, one of the biggest challenges in solar power generation is to ensure that the power generated is delivered safely and reliably. As a consequence, it has become essential to develop models to predict the incidence of solar radiation within time intervals of interest. The main objective of this work was the development of a methodology composed by algorithms and a set of instruments that allowed making predictions about the incidence of solar radiation within short time frames. In order to carry this research, images from a low-cost fisheye lens camera and data from the solarimetric station were used. The images were stored together with the irradiance data in a database. During the data processing stage, each image of the sky was submitted to a digital treatment for contrast enhancement. The resulting images were then segmented using new mathematical attributes developed from known color spaces (RGB, HSV, YCrCb and Lab). Based on these attributes, a model was built using the Support Vector Machine (SVM) for classification, or SVC, which resulted in a cloud classification accuracy rate of 99.2% by the method of 10 folders for cross-validation. The fraction of cloud cover was then calculated. The results obtained from the images were used as input to model the total and direct irradiance by regression via SVR and validated by the method of 10 folders. The Pearson correlation coefficient reached 98% regarding the entire incursion range of the irradiance signals within the 6236 samples of the period. A final model including irradiance data as part of a time series was then developed by using an SVR to predict total and direct irradiance in eight short time horizons (from 1 to 30 minutes). In summary, the results demonstrated that with a simple and inexpensive equipment such as the fisheye camera, it was possible to: calculate the fraction of cloud cover in the sky; model the total and direct solar irradiances; estimate the speed (in pixels) of the clouds; and with the addition of solarimetric data, predictions were made in a short period of time with comparable accuracy to other published works using similar methodologies with respect to dataset building and spatio-temporal prediction horizons.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Tecnologias Energeticas e NuclearUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia de energia solarModelos de predição da irradiação solarModelagem da irradiação solarFração de cobertura de nuvensGeração fotovoltaicaProcessamento de imagens do céuModelagem e predição de flutuações da irradiação solar de curta duraçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Manoel Henriques de Sá Campos Filho.pdfTESE Manoel Henriques de Sá Campos Filho.pdfapplication/pdf4377167https://repositorio.ufpe.br/bitstream/123456789/35446/1/TESE%20Manoel%20Henriques%20de%20S%c3%a1%20Campos%20Filho.pdfddfa1c4f0267e2142611ab701fe6fc43MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufpe.br/bitstream/123456789/35446/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/35446/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52TEXTTESE Manoel Henriques de Sá Campos Filho.pdf.txtTESE Manoel Henriques de Sá Campos Filho.pdf.txtExtracted texttext/plain226490https://repositorio.ufpe.br/bitstream/123456789/35446/4/TESE%20Manoel%20Henriques%20de%20S%c3%a1%20Campos%20Filho.pdf.txtc44f873f14f1213fbabe8063054a512aMD54THUMBNAILTESE Manoel Henriques de Sá Campos Filho.pdf.jpgTESE Manoel Henriques de Sá Campos Filho.pdf.jpgGenerated Thumbnailimage/jpeg1336https://repositorio.ufpe.br/bitstream/123456789/35446/5/TESE%20Manoel%20Henriques%20de%20S%c3%a1%20Campos%20Filho.pdf.jpgdf6b6e85dd1a116c38bc48c176a01b1bMD55123456789/354462019-12-04 02:11:01.333oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-12-04T05:11:01Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Modelagem e predição de flutuações da irradiação solar de curta duração |
title |
Modelagem e predição de flutuações da irradiação solar de curta duração |
spellingShingle |
Modelagem e predição de flutuações da irradiação solar de curta duração CAMPOS FILHO, Manoel Henriques de Sá Engenharia de energia solar Modelos de predição da irradiação solar Modelagem da irradiação solar Fração de cobertura de nuvens Geração fotovoltaica Processamento de imagens do céu |
title_short |
Modelagem e predição de flutuações da irradiação solar de curta duração |
title_full |
Modelagem e predição de flutuações da irradiação solar de curta duração |
title_fullStr |
Modelagem e predição de flutuações da irradiação solar de curta duração |
title_full_unstemmed |
Modelagem e predição de flutuações da irradiação solar de curta duração |
title_sort |
Modelagem e predição de flutuações da irradiação solar de curta duração |
author |
CAMPOS FILHO, Manoel Henriques de Sá |
author_facet |
CAMPOS FILHO, Manoel Henriques de Sá |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8654183379825397 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9914659189514029 |
dc.contributor.author.fl_str_mv |
CAMPOS FILHO, Manoel Henriques de Sá |
dc.contributor.advisor1.fl_str_mv |
TIBA, Chigueru |
contributor_str_mv |
TIBA, Chigueru |
dc.subject.por.fl_str_mv |
Engenharia de energia solar Modelos de predição da irradiação solar Modelagem da irradiação solar Fração de cobertura de nuvens Geração fotovoltaica Processamento de imagens do céu |
topic |
Engenharia de energia solar Modelos de predição da irradiação solar Modelagem da irradiação solar Fração de cobertura de nuvens Geração fotovoltaica Processamento de imagens do céu |
description |
Atualmente, um dos maiores desafios na geração de energia solar é garantir que a energia gerada seja fornecida de forma segura e confiável. Em consequência, tornou-se essencial elaborar modelos para prever a incidência de radiação solar dentro de vários intervalos de tempo de interesse. O objetivo principal deste trabalho foi o desenvolvimento de uma metodologia composta por algoritmos e um conjunto de instrumentos que permitissem fazer previsões sobre a incidência de radiação solar dentro de curtos horizontes temporais. Para esta pesquisa, foram utilizadas imagens de uma câmera de lente fisheye de baixo custo e dados da estação solarimétrica. As imagens foram armazenadas juntamente com os dados de irradiância em um banco de dados. Durante a etapa de processamento de dados, cada fotografia do céu foi submetida a um tratamento digital para aprimoramento de contraste. As imagens resultantes foram, então, segmentadas com o auxílio de novos atributos matemáticos desenvolvidos a partir de espaços de cores conhecidos (RGB, HSV, YCrCb e Lab). Com esses atributos, construiu-se um modelo através de Máquina de Vetores de Suporte (SVM) para classificação, ou SVC, o que resultou em uma taxa de acerto na classificação de nuvens com precisão de 99,2% pelo método de 10 folders de validação cruzada. Em seguida calculou-se a fração de cobertura de nuvens. Os resultados obtidos por imagens foram usados como entrada para modelar a irradiância total e direta por regressão via SVR e validados pelo método de 10 folders. O coeficiente de correlação de Pearson atingiu 98% considerando toda a faixa de incursão dos sinais de irradiância dentro das 6236 amostras do período. Um modelo final com a inclusão das irradiâncias entre os dados de uma série temporal foi então desenvolvido por meio de SVR para predição das irradiâncias total e direta em oito horizontes temporais curtos (entre 1 e 30 minutos). Em síntese, os resultados demonstraram que com um equipamento simples e barato como a câmera fisheye foi possível: calcular a fração de cobertura de nuvens no céu; modelar a irradiância solar total e direta; estimar a velocidade (em pixels) das nuvens; e com adição de dados solarimétricos foram realizadas predições em curtos espaços de tempo com acurácia comparável a alguns trabalhos realizados dentro de uma metodologia similar no que se refere a coleta de dados e aos horizontes de predição espaço-temporal. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-12-03T21:57:31Z |
dc.date.available.fl_str_mv |
2019-12-03T21:57:31Z |
dc.date.issued.fl_str_mv |
2019-07-18 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
CAMPOS FILHO, Manoel Henriques de Sá. Modelagem e predição de flutuações da irradiação solar de curta duração. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/35446 |
identifier_str_mv |
CAMPOS FILHO, Manoel Henriques de Sá. Modelagem e predição de flutuações da irradiação solar de curta duração. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019. |
url |
https://repositorio.ufpe.br/handle/123456789/35446 |
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 Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Tecnologias Energeticas e Nuclear |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/35446/1/TESE%20Manoel%20Henriques%20de%20S%c3%a1%20Campos%20Filho.pdf https://repositorio.ufpe.br/bitstream/123456789/35446/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/35446/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/35446/4/TESE%20Manoel%20Henriques%20de%20S%c3%a1%20Campos%20Filho.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/35446/5/TESE%20Manoel%20Henriques%20de%20S%c3%a1%20Campos%20Filho.pdf.jpg |
bitstream.checksum.fl_str_mv |
ddfa1c4f0267e2142611ab701fe6fc43 8a4605be74aa9ea9d79846c1fba20a33 e39d27027a6cc9cb039ad269a5db8e34 c44f873f14f1213fbabe8063054a512a df6b6e85dd1a116c38bc48c176a01b1b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310635657101312 |