Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso

Detalhes bibliográficos
Autor(a) principal: Melo, André Furlaneti de
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/248978
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
id UFSC_8fde256254ea5af00ec4446b47702d63
oai_identifier_str oai:repositorio.ufsc.br:123456789/248978
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de casoAprendizado de máquinasIrradiação global solarEnergia elétrica fotovoltaicaRedes neuraisTCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.Este trabalho de conclusão de curso tem como objetivo estudar a possibilidade de utilizar algoritmos de aprendizado de máquina para prever a irradiação global solar e, assim, utilizá-los em aplicações na área de energia elétrica fotovoltaica. Os dados meteorológicos utilizados no trabalho foram obtidos pela NASA e os dados de geração de energia solar fotovoltaica de uma usina de 2,5 MWp foram fornecidos por uma pessoa jurídica de direito privado, ambos os dados são da cidade de Campinas - São Paulo. Os dados foram tratados e analisados os seus comportamentos característicos e a sua integridade através do mapa de correlação de Pearson e gráficos boxplot. Assim, a variável “ALLSKY_SFC_SW_DWN” foi escolhida como alvo para os algoritmos preverem o seu comportamento e, a partir dessa escolha, as variáveis que apresentaram maior correlação foram a temperatura e a velocidade do vento. Neste trabalho, foi utilizado o método de Extreme Gradient Boost para entender a convergência do treinamento e a validação com um método que é simples e robusto. Partindo desse resultado, foram aplicados os métodos de Long Short-Term Memory (LSTM), Redes Neurais Convolucionais (RNC) e Multilayer Perceptron. Os resultados obtidos atingiram o objetivo proposto e o método com melhor desempenho foi o RNC e LSTM juntos.The objective of this work is to investigate the feasibility of using machine learning algorithms to predict global solar irradiation, with potential applications in the field of photovoltaic electricity generation. The meteorological data used in this study were obtained from NASA, while the solar power generation data from a 2.5 MWp plant were provided by a private entity. Both datasets pertain to Campinas, São Paulo. The data underwent preprocessing and analysis to assess their characteristic behavior and integrity using Pearson correlation maps and box plots. Subsequently, the target variable "ALLSKY_SFC_SW_DWN" was selected for neural network prediction, with temperature and wind speed showing the highest correlations. The Extreme Gradient Boost method was employed to understand the convergence of training and validation, as it is a simple and robust approach. Based on these findings, Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN), and Multilayer Perceptron methods were applied. The results achieved the proposed objective, with the CNN and LSTM combined method demonstrating the best performance.Florianópolis, SC.Sprotte, André Felipe VitorioUniversidade Federal de Santa Catarina.Melo, André Furlaneti de2023-07-18T13:10:11Z2023-07-18T13:10:11Z2023-07-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis70 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/248978Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-07-18T13:10:11Zoai:repositorio.ufsc.br:123456789/248978Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-07-18T13:10:11Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
title Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
spellingShingle Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
Melo, André Furlaneti de
Aprendizado de máquinas
Irradiação global solar
Energia elétrica fotovoltaica
Redes neurais
title_short Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
title_full Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
title_fullStr Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
title_full_unstemmed Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
title_sort Aplicação de algoritmos de aprendizado de máquinas na estimativa da irradiação solar para geração fotovoltaica: Um estudo de caso
author Melo, André Furlaneti de
author_facet Melo, André Furlaneti de
author_role author
dc.contributor.none.fl_str_mv Sprotte, André Felipe Vitorio
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Melo, André Furlaneti de
dc.subject.por.fl_str_mv Aprendizado de máquinas
Irradiação global solar
Energia elétrica fotovoltaica
Redes neurais
topic Aprendizado de máquinas
Irradiação global solar
Energia elétrica fotovoltaica
Redes neurais
description TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
publishDate 2023
dc.date.none.fl_str_mv 2023-07-18T13:10:11Z
2023-07-18T13:10:11Z
2023-07-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/248978
url https://repositorio.ufsc.br/handle/123456789/248978
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 70 f.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652171082727424

Registros relacionados