Estimativa da fração difusa da irradiação solar global por meio de técnicas de aprendizado de máquina

• Autor(a) principal: Bassetto, Edson Luis
• Data de Publicação: 2018
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/180606
• topic: Radiação solar difusa; Modelos de estimativa; Técnicas de Aprendizado de Máquina

Neste trabalho são desenvolvidos modelos de estimativa para fração difusa da radiação global (Kd) nas partições horárias e diária: o Modelo Estatístico (ME) clássico e com Técnicas de Aprendizado de Máquina (TAM). Estas técnicas são do tipo Redes Neurais Artificiais (RNA), Sistema Adaptativo de Inferência Neuro Fuzzy (ANFIS) e Máquina de Vetores de Suporte (SVM). O modelo ME utiliza como referência somente a transmissividade atmosférica (KT) e as TAM um conjunto de combinações de oito variáveis astronômicas, geográficas e meteorológicas. Na elaboração dos modelos ME e TAM foram utilizadas uma base de dados de sete anos (2000-2006) de medidas obtidas na Estação Meteorológica e de Radiometria Solar de Botucatu/SP. Para validação dos modelos ME e TAM foram elaboradas, a partir das medidas obtidas, duas bases anuais denominadas de Ano Típico (AT) e Ano Atípico (AAT). No Capítulo 1 foram desenvolvidos os modelos na partição horária com ME, com as RNA do tipo: Percepton Multicamadas (MLP), Função de Base Radial (RBF) e Regressão Generalizada (GRNN), e a ANFIS. No Capítulo 2 foram desenvolvidos os modelos na partição diária com o ME, a rede MLP, que apresentou os melhores resultados do Capítulo 1 e a SVM. Os indicadores estatísticos mostram que entre as TAM, o melhor desempenho nas partições horária e diária foi obtido com a técnica MLP, com desempenho (RMSE) superior ao modelo ME em aproximadamente 56% na partição horária e 20% na partição diária, nas duas bases de validação na estimativa de (Kd). Os resultados denotam que ao inserir as variáveis de forma progressiva no treinamento das técnicas, a precisão entre os valores estimados e medidos, asseguram um desempenho superior, comparados ao modelo ME o que torna as técnicas uma alternativa para estimativa da fração difusa (Kd) com as condições de treinamento e validação utilizadas neste estudo.