Publicação: Previsibilidade de geração solar no contexto de hibridização de fontes para análise de complementaridade
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::ENGENHARIAS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Dias, Camila de Oliveira
Resumo
No intuito de combinar duas fontes renováveis para contribuir com a redução de gases carbônicos, contribuindo para uma matriz energética mais sustentável, foram conduzidas pesquisas sobre a integração entre usina fotovoltaica e usina hidrelétrica. Nesse contexto, torna-se necessário aprofundar-se nos modelos estatísticos e algoritmos de previsibilidade para identificar o modelo mais adequado na realização das previsões de irradiância, uma vez que para a geração solar não se tem clareza a respeito dos modelos estabelecidos para auxiliar nesse processo. Essa etapa de desenvolvimento é fundamental para viabilizar futuros estudos de viabilidade de complementaridade entre as fontes. Para tanto, selecionou-se os seguintes métodos: Autoregressive Integrated Moving Average, Autoregressive Integrated Moving Average with Exogenous Variables, Long Short Term Memory, Gated Recurrent Unit e Convolutional Neural Network, os quais foram, nesta pesquisa, implementados utilizando a linguagem Python no Google Colaboratory. Em seguida, traçou-se o perfil da curva da média diária para cada modelo, comparando-a com os valores dos dados reais. Para obter os dados reais desta comparação, foram feitas as previsões para o ano de 2022, e os dados correspondentes foram armazenados em um DataFrame separado para a realização de métricas de avaliação. Com base nas métricas estabelecidas, observou-se que os modelos estatísticos Autoregressive Integrated Moving Average e Autoregressive Integrated Moving Average with Exogenous Variables tiveram maior complexibilidade na implementação devido aos parâmetros necessários e à sazonalidade presente nos dados. Assim, os resultados foram piores em comparação aos demais algoritmos de redes neurais. Dentre os algoritmos de previsibilidade avaliados, o Convolutional Neural Network apresentou os melhores resultados.
Abstract
Palavras-chave
Complementariedade, Complementarity, Modelos estatísticos, Statistical models, Algoritmos de previsibilidade, Predictability algorithms, Python, Evaluation metrics, Métricas de avaliação
Citação
GOMES, Lana Paula Pereira. Previsibilidade de geração solar no contexto de hibridização de fontes para análise de complementaridade. 2023. 77 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Universidade Federal de Uberlândia, 2023.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto