| dc.contributor | Rampinelli, Giuliano Arns | |
| dc.contributor | Universidade Federal de Santa Catarina | |
| dc.creator | Oliveira, Jhuan de Souza | |
| dc.date | 2017-08-03T18:07:22Z | |
| dc.date | 2017-08-03T18:07:22Z | |
| dc.date | 2017-07-06 | |
| dc.date.accessioned | 2018-10-31T20:36:39Z | |
| dc.date.available | 2018-10-31T20:36:39Z | |
| dc.identifier | https://repositorio.ufsc.br/xmlui/handle/123456789/178026 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1787099 | |
| dc.description | TCC-Universidade Federal de Santa Catarina-Centro Araranguá-Engenharia de Energia. | |
| dc.description | A energia solar fotovoltaica está sendo inserida gradualmente na matriz energética mundial como uma fonte de energia limpa e sustentável. Atualmente no Brasil, para que um projeto de parque ou usina fotovoltaica seja habilitado em um leilão de energia é obrigatória a apresentação do histórico das medições de radiação solar, por um período contínuo de doze meses. Os dados de radiação solar são fundamentais para as estimativas de geração de energia elétrica dos empreendimentos. A precisão das estimativas está diretamente correlacionada com a qualidade e confiabilidade dos dados de radiação solar. Este trabalho apresenta o desenvolvimento, treinamento e validação de uma rede neural artificial (RNA) para identificação e preenchimento de lacunas em dados de radiação solar. Os dados de radiação solar foram obtidos através da base de dados meteorológicos do INMET para a cidade de Araranguá, Santa Catarina. O desempenho da rede neural artificial será comparado com métodos empíricos de replicação usualmente utilizados para o preenchimento de lacuna nos dados de radiação solar. O critério de avaliação do desempenho é o erro médio quadrático dos dois métodos testados em relação a populações de teste criadas para a validação. Foi possível verificar que a rede neural artificial apresentou um erro quadrático médio 24,6% menor quando comparado ao método de referência. Portanto, do ponto de vista energético a RNA apresenta maior precisão no tratamento dos dados de radiação solar, garantindo maior confiabilidade na estimativa de geração de energia elétrica. | |
| dc.description | Solar energy is being gradually inserted into the world energy base in the last years worldwide providing a clean and renewable source of energy. Nowadays in Brazil, for projects of solar power plants to be qualified in an auction of energy it is mandatory to present the history of measurements of solar radiation, in a continuous period of twelve months. The solar radiation data are essential to estimate of the electric power generation. This work project presents the development, training and validation of an artificial neural network (RNA) to identify and fill gaps in solar radiation data. The solar radiation data were obtained through the INMET meteorological database for the city of Araranguá, Santa Catarina. The performance of the artificial neural network will be compared with empirical methods of replication usually used to fill the gap in the solar radiation data. The criterion of performance evaluation is the mean square error (MSE) of the two methods tested in relation to test populations created for the validation. It was possible to verify that the artificial neural network presented a mean square error 24.6% smaller when compared to the reference method. Therefore, from the energy point of view the RNA tool presents greater precision in the treatment of solar radiation data, guaranteeing greater reliability in the generation of electric energy. | |
| dc.format | 37 | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Araranguá, SC | |
| dc.subject | Radiação solar | |
| dc.subject | Rede neural artificial | |
| dc.subject | Métodos preditivos | |
| dc.title | Desenvolvimento e treinamento de redes neurais artificiais para processamento de dados de radiação solar | |
| dc.type | Tesis | |
