Modelagem e predição de flutuações da irradiação solar de curta duração

Detalhes bibliográficos
Autor(a) principal: CAMPOS FILHO, Manoel Henriques de Sá
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