Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica

Detalhes bibliográficos
Autor(a) principal: Maciel, Joylan Nunes
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNILA
Texto Completo: https://dspace.unila.edu.br/handle/123456789/7135
Resumo: Tese apresentada ao Programa de Pós-Graduação Interdisciplinar em Energia e Sustentabilidade da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Doutor em Energia e Sustentabilidade.
id UNIL_e53f7a5b39a68c853a5ee32700dbc3f2
oai_identifier_str oai:dspace.unila.edu.br:123456789/7135
network_acronym_str UNIL
network_name_str Repositório Institucional da UNILA
repository_id_str 3636
spelling Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaicaenergia solarenergia fotovoltaicapredição de geraçãocurto prazointeligência artificialaprendizado de máquinaTese apresentada ao Programa de Pós-Graduação Interdisciplinar em Energia e Sustentabilidade da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Doutor em Energia e Sustentabilidade.Existe a necessidade de suprir o aumento do consumo de energia elétrica que vem ocorrendo ao longo dos anos. No Brasil, uma das mais promissoras fontes de energia considerada renovável e utilizada como solução é a energia solar fotovoltaica. No entanto, a energia solar fotovoltaica possui peculiaridades intrínsecas, e não controláveis, que causam intermitências na sua geração. Isto se deve a fatores climáticos, tais como os ventos, as nuvens, a temperatura, a intensidade e a duração da irradiância solar, entre outras peculiaridades. Portanto, torna-se benéfico e relevante a existência de soluções para a predição da geração de energia solar fotovoltaica, possibilitando o aumento da segurança na geração e distribuição da energia elétrica com base na previsão das intermitências decorrentes do processo de geração. Neste contexto, o objetivo desta pesquisa é o desenvolvimento de um Método Híbrido de Predição (MHP) da irradiância solar aplicável a Predição da Geração de Energia Solar Fotovoltaica (PGESF) de curto prazo. A abordagem de execução híbrida do MHP emprega um conjunto de técnicas de Processamento de Imagens (PI), para extração de características do céu, e um modelo de predição baseado em Aprendizado de Máquina (Machine Learning). A análise experimental do MHP, realizada em diversos horizontes de predição de curto prazo (1, 5, 10, 15, 30 e 60 minutos), demonstrou que a abordagem proposta proporciona acurácia média de predição superior ao modelo de referência (Persistence) em 17,45% para todos os horizontes. Outro ponto de destaque, a acurácia de predição do MHP com o modelo de Aprendizado de Máquina baseado em rede neural artificial MultiLayer Perceptron (MLP) é similar ou supera, nos horizontes avaliados, as acurácias de diversos estudos da literatura científica que empregam imagens all-sky e utilizam PI, inclusive com métodos mais robustos de Aprendizado de Máquina Profundo (Deep Learning). Além disso, o uso do conjunto das métricas de PI do MHP proposto, possibilitou predições com maior acurácia (28% a 44%) em relação ao uso de informações meteorológicas nos modelos de aprendizado de máquina avaliados. Por ser um modelo de predição do tipo caixa-cinza, o MHP pode ser otimizado em relação ao uso de novas métricas de PI e a determinados horizontes de predição. Por fim, destaca-se que o MHP proposto contempla uma nova abordagem de execução híbrida, com extração explícita de um conjunto de características das imagens all-sky, que se mostrou viável com resultados satisfatórios, demonstrando um novo caminho em futuros estudos na PGESF.2022info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://dspace.unila.edu.br/handle/123456789/7135porinfo:eu-repo/semantics/openAccessMaciel, Joylan Nunesreponame:Repositório Institucional da UNILAinstname:Universidade Federal da Integração Latino-Americana (UNILA)instacron:UNILA2024-05-07T04:25:58Zoai:dspace.unila.edu.br:123456789/7135Repositório InstitucionalPUBhttp://dspace.unila.edu.br/oai/requestopendoar:36362024-05-07T04:25:58Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA)false
dc.title.none.fl_str_mv Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
title Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
spellingShingle Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
Maciel, Joylan Nunes
energia solar
energia fotovoltaica
predição de geração
curto prazo
inteligência artificial
aprendizado de máquina
title_short Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
title_full Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
title_fullStr Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
title_full_unstemmed Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
title_sort Método Híbrido de Predição da Irradiância Solar com Processamento de Imagens e Inteligência Artificial Aplicável a Geração de Energia Solar Fotovoltaica
author Maciel, Joylan Nunes
author_facet Maciel, Joylan Nunes
author_role author
dc.contributor.author.fl_str_mv Maciel, Joylan Nunes
dc.subject.por.fl_str_mv energia solar
energia fotovoltaica
predição de geração
curto prazo
inteligência artificial
aprendizado de máquina
topic energia solar
energia fotovoltaica
predição de geração
curto prazo
inteligência artificial
aprendizado de máquina
description Tese apresentada ao Programa de Pós-Graduação Interdisciplinar em Energia e Sustentabilidade da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Doutor em Energia e Sustentabilidade.
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://dspace.unila.edu.br/handle/123456789/7135
url https://dspace.unila.edu.br/handle/123456789/7135
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_ 1805285259568218112

Registros relacionados