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

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Cabral, Manuel Chicomo [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
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
Resumo: 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.
id UNSP_fa6a2e5dc0f067737bd9b796a080ed3f
oai_identifier_str oai:repositorio.unesp.br:11449/257132
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinasPredicting solar irradiance for photovoltaic generation in Benguela - Angola, using machine learningModelo preditivoIrradiância solarEnergia renovávelAprendizado de maquinaPredictive modelSolar irradianceRenewable energyMachine learningPesquisadores 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.Researchers seek to improve the use of horizontal global irradiance for photovoltaic energy generation, aiming to meet growing energy demand and preserve the ecosystem. Therefore, proposing a model with good predictive capacity to better respond to increasingly growing demand, facilitating planning and sizing as well as maintenance, makes this work of great relevance in photovoltaic solar energy generation systems. This work aims to implement a model based on artificial neural networks to predict the short-term hourly global horizontal irradiance (GHI) for Benguela, Angola. For this, a Multilayer Perceptron (MLP) neural network was used, with the aim of improving the effectiveness of GHI prediction and thereby helping to optimize the use of solar radiation in the country. Meteorological data such as temperature, relative humidity, atmospheric pressure and wind speed, which served as input variables, and global horizontal irradiance as the output variable, were obtained from the NASA data website and data measured through by PRODEL meteorological stations located in the province of Benguela. The MAPE and RMSE evaluation metrics were used, resulting in a MAPE of 10.16% and 7.12%, and RMSE of 79.29 Wh/m2 and 61.15 Wh/m2 for dry and rainy seasons, respectively.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)CNPq: 131247/2023-9Universidade Estadual Paulista (Unesp)Lotufo, Anna Diva Plasencia [UNESP]Universidade Estadual Paulista (Unesp)Cabral, Manuel Chicomo [UNESP]2024-08-22T14:06:26Z2024-08-22T14:06:26Z2024-07-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCABRAL, Manuel Chicomo. Previsão de irradiância solar, para fins de geração fotovoltaica para Benguela – Angola, usando aprendizado de máquinas. 2024. 81 f. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024.https://hdl.handle.net/11449/25713233004099080P07071630695467610porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-23T06:12:37Zoai:repositorio.unesp.br:11449/257132Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-08-23T06:12:37Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
Predicting solar irradiance for photovoltaic generation in Benguela - Angola, using machine learning
title Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
spellingShingle Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
Cabral, Manuel Chicomo [UNESP]
Modelo preditivo
Irradiância solar
Energia renovável
Aprendizado de maquina
Predictive model
Solar irradiance
Renewable energy
Machine learning
title_short Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
title_full Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
title_fullStr Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
title_full_unstemmed Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
title_sort Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas
author Cabral, Manuel Chicomo [UNESP]
author_facet Cabral, Manuel Chicomo [UNESP]
author_role author
dc.contributor.none.fl_str_mv Lotufo, Anna Diva Plasencia [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Cabral, Manuel Chicomo [UNESP]
dc.subject.por.fl_str_mv Modelo preditivo
Irradiância solar
Energia renovável
Aprendizado de maquina
Predictive model
Solar irradiance
Renewable energy
Machine learning
topic Modelo preditivo
Irradiância solar
Energia renovável
Aprendizado de maquina
Predictive model
Solar irradiance
Renewable energy
Machine learning
description 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.
publishDate 2024
dc.date.none.fl_str_mv 2024-08-22T14:06:26Z
2024-08-22T14:06:26Z
2024-07-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CABRAL, Manuel Chicomo. Previsão de irradiância solar, para fins de geração fotovoltaica para Benguela – Angola, usando aprendizado de máquinas. 2024. 81 f. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024.
https://hdl.handle.net/11449/257132
33004099080P0
7071630695467610
identifier_str_mv CABRAL, Manuel Chicomo. Previsão de irradiância solar, para fins de geração fotovoltaica para Benguela – Angola, usando aprendizado de máquinas. 2024. 81 f. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024.
33004099080P0
7071630695467610
url https://hdl.handle.net/11449/257132
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.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954841534627840

Registros relacionados