Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas

• Ano de defesa: 2024
• Autor(a) principal: Cabral, Manuel Chicomo [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Modelo preditivo; Irradiância solar; Energia renovável; Aprendizado de maquina; Predictive model; Solar irradiance; Renewable energy; Machine learning
• Link de acesso: https://hdl.handle.net/11449/257132

Pesquisadores buscam aprimorar a utilização da irradiância global horizontal para geração de energia fotovoltaica, visando atender à crescente demanda energética e preservar o ecossistema. Assim, propor um modelo com boa capacidade preditiva para melhor responder a demanda cada vez mais crescente, facilitando a planificação e o dimensionamento assim como a manutenção, torna este trabalho de grande relevância em sistemas de geração de energia solar fotovoltaica. Este trabalho tem como propósito a implementação um modelo baseado em redes neurais artificiais para prever a irradiância global horizontal (GHI) horária a curto prazo para Benguela, Angola. Para isso, foi utilizada uma rede neural Perceptron de Múltiplas Camadas (MLP, do inglês, Multilayer Perceptron), com o objetivo de melhorar a eficácia da previsão de GHI e com isso auxiliar na otimização do aproveitamento da radiação solar no país. Os dados meteorológicos como, a temperatura, umidade relativa, pressão atmosférica e velocidade do vento, que serviram como variáveis de entrada, e a irradiância global horizontal como a variável de saída, foram obtidos a partir do website de dados da NASA e dados medidos através das estações meteorológicas da PRODEL localizadas na província de Benguela. As métricas de avaliação MAPE e RMSE foram utilizadas, resultando em um MAPE de 10,16% e 7,12%, e RMSE de 79,29 Wh/m2 e 61,15 Wh/m2 para estações seca e chuvosa, respectivamente.