Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar

Página do item simplificado
dc.contributor.advisorMaciel, Joylan Nunes
dc.contributor.advisorAndo Junior, Oswaldo Hideo
dc.contributor.authorWentz, Victor Hugo
dc.date.accessioned2021-10-21T14:26:50Z
dc.date.available2021-10-21T14:26:50Z
dc.date.issued2021
dc.descriptionTrabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Ciências da Vida e da Natureza da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Física.pt_BR
dc.description.abstractO aumento do uso de energia limpa e renovável, como a energia solar fotovoltaica, é necessário para suprir a demanda de consumo que vem aumentando no Brasil. No entanto, a geração de energia solar fotovoltaica possui características intrínsecas relativas as variáveis climáticas que causam intermitências no processo de geração, as quais podem promover instabilidades e insegurança no sistema elétrico. Umas das soluções para este problema utiliza o estudo de métodos e soluções para a Predição da Geração de Energia Solar Fotovoltaica (PGESF). Neste contexto, o objetivo deste estudo é desenvolver e comparar a acurácia de modelos de Inteligência Artificial aplicados à PGESF de curto prazo por meio da irradiância solar. Foram analisados os modelos de Machine Learning com Artificial Neural Networks (ANN) e Deep Learning com Long-Term Short Memory Networks (LSTM). A execução experimental foi projetada para utilizar uma única base de dados de treinamento e testes, com ambiente experimental homogêneo e controlado que permitiu realizar as análises comparativas. Os principais resultados indicam que existe diferença significativa na acurácia de predição entre os modelos ANN e LSTM. As redes LSTM demonstraram, em geral, melhores índices de acurácia de predição em relação as ANN. Além disso, a acurácia de determinado modelo diminui conforme o aumento do horizonte de predição. Todos os resultados de acurácias são apresentados por meio das principais métricas estatísticas utilizadas na literatura da PGESF.pt_BR
dc.identifier.urihttps://dspace.unila.edu.br/handle/123456789/6319
dc.language.isoporpt_BR
dc.rightsopenAccess
dc.subjectPredição de Energia Solar Fotovoltaicapt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectIrradiância Solarpt_BR
dc.titleAvaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solarpt_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_Victor_Wentz_Final.pdf
Tamanho:
3.17 MB
Formato:
Adobe Portable Document Format
Descrição:
Avaliação de Modelos de Inteligência Artificial aplicados à Predição de Irradiância Solar
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.82 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC - Engenharia Física