1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Engenharia Elétrica (FEELT)
3. TCC - Engenharia Elétrica

ORCID:	http://orcid.org/0009-0009-2563-9875
Tipo de documento:	Trabalho de Conclusão de Curso
Tipo de acceso:	Acesso Aberto
Título:	Previsibilidade de geração solar no contexto de hibridização de fontes para análise de complementaridade
Autor:	Gomes, Lana Paula Pereira
Primer orientador:	Santos, Ivan Nunes
Primer coorientador:	Dias, Camila de Oliveira
Segundo miembro de la banca:	Pacheco, Ábner Cézar Peres
Resumen:	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.
Palabras clave:	Complementariedade Complementarity Modelos estatísticos Statistical models Algoritmos de previsibilidade Predictability algorithms Python Evaluation metrics Métricas de avaliação
Área (s) del CNPq:	CNPQ::ENGENHARIAS
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Cita:	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.
URI:	https://repositorio.ufu.br/handle/123456789/38907
Fecha de defensa:	16-jun-2023
Aparece en las colecciones:	TCC - Engenharia Elétrica

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons