Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNILA |
Texto Completo: | https://dspace.unila.edu.br/handle/123456789/6319 |
Resumo: | Trabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Ciências da Vida e da Natureza da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Física. |
id |
UNIL_a7187647ee1fc9f1936d63b2945f346d |
---|---|
oai_identifier_str |
oai:dspace.unila.edu.br:123456789/6319 |
network_acronym_str |
UNIL |
network_name_str |
Repositório Institucional da UNILA |
repository_id_str |
3636 |
spelling |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância SolarPredição de Energia Solar FotovoltaicaInteligência ArtificialAprendizado de MáquinaIrradiância SolarTrabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Ciências da Vida e da Natureza da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Física.O aumento do uso de energia limpa e renovável, como a energia solar fotovoltaica, é necessário para suprir a demanda de consumo que vem aumentando no Brasil. No entanto, a geração de energia solar fotovoltaica possui características intrínsecas relativas as variáveis climáticas que causam intermitências no processo de geração, as quais podem promover instabilidades e insegurança no sistema elétrico. Umas das soluções para este problema utiliza o estudo de métodos e soluções para a Predição da Geração de Energia Solar Fotovoltaica (PGESF). Neste contexto, o objetivo deste estudo é desenvolver e comparar a acurácia de modelos de Inteligência Artificial aplicados à PGESF de curto prazo por meio da irradiância solar. Foram analisados os modelos de Machine Learning com Artificial Neural Networks (ANN) e Deep Learning com Long-Term Short Memory Networks (LSTM). A execução experimental foi projetada para utilizar uma única base de dados de treinamento e testes, com ambiente experimental homogêneo e controlado que permitiu realizar as análises comparativas. Os principais resultados indicam que existe diferença significativa na acurácia de predição entre os modelos ANN e LSTM. As redes LSTM demonstraram, em geral, melhores índices de acurácia de predição em relação as ANN. Além disso, a acurácia de determinado modelo diminui conforme o aumento do horizonte de predição. Todos os resultados de acurácias são apresentados por meio das principais métricas estatísticas utilizadas na literatura da PGESF.Maciel, Joylan NunesAndo Junior, Oswaldo HideoWentz, Victor Hugo2021info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://dspace.unila.edu.br/handle/123456789/6319porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNILAinstname:Universidade Federal da Integração Latino-Americana (UNILA)instacron:UNILA2024-05-11T12:42:16Zoai:dspace.unila.edu.br:123456789/6319Repositório InstitucionalPUBhttp://dspace.unila.edu.br/oai/requestopendoar:36362024-05-11T12:42:16Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA)false |
dc.title.none.fl_str_mv |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
title |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
spellingShingle |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar Wentz, Victor Hugo Predição de Energia Solar Fotovoltaica Inteligência Artificial Aprendizado de Máquina Irradiância Solar |
title_short |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
title_full |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
title_fullStr |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
title_full_unstemmed |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
title_sort |
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar |
author |
Wentz, Victor Hugo |
author_facet |
Wentz, Victor Hugo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Maciel, Joylan Nunes Ando Junior, Oswaldo Hideo |
dc.contributor.author.fl_str_mv |
Wentz, Victor Hugo |
dc.subject.por.fl_str_mv |
Predição de Energia Solar Fotovoltaica Inteligência Artificial Aprendizado de Máquina Irradiância Solar |
topic |
Predição de Energia Solar Fotovoltaica Inteligência Artificial Aprendizado de Máquina Irradiância Solar |
description |
Trabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Ciências da Vida e da Natureza da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Física. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://dspace.unila.edu.br/handle/123456789/6319 |
url |
https://dspace.unila.edu.br/handle/123456789/6319 |
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.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNILA instname:Universidade Federal da Integração Latino-Americana (UNILA) instacron:UNILA |
instname_str |
Universidade Federal da Integração Latino-Americana (UNILA) |
instacron_str |
UNILA |
institution |
UNILA |
reponame_str |
Repositório Institucional da UNILA |
collection |
Repositório Institucional da UNILA |
repository.name.fl_str_mv |
Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA) |
repository.mail.fl_str_mv |
|
_version_ |
1805285259692998656 |