| dc.contributor | Rampinelli, Giuliano Arns | |
| dc.contributor | Universidade Federal de Santa Catarina | |
| dc.creator | Capo, Políbio Ícaro Moro | |
| dc.date | 2019-02-09T03:01:57Z | |
| dc.date | 2019-02-09T03:01:57Z | |
| dc.date | 2018 | |
| dc.date.accessioned | 2023-09-02T06:33:20Z | |
| dc.date.available | 2023-09-02T06:33:20Z | |
| dc.identifier | 355722 | |
| dc.identifier | https://repositorio.ufsc.br/handle/123456789/193252 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8580247 | |
| dc.description | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Araranguá, Programa de Pós-Graduação em Energia e Sustentabilidade, Araranguá, 2018. | |
| dc.description | A energia solar vem ganhando destaque nos últimos anos acompanhando a crescente demanda energética mundial. Atualmente, também pode ser destacado o avanço tecnológico e a competividade econômica da energia solar fotovoltaica como fatores decisivos para sua inserção na matriz elétrica. Entretanto, a radiação solar que atinge a superfície terrestre varia, principalmente, devido às variações climáticas que ocorrem na atmosfera. Esse fato tem uma grande influência na produção de energia elétrica a partir das tecnologias solares. Portanto, para auxiliar o gerenciamento de operação, principalmente, no caso de usinas fotovoltaicas, entre outros fatores, necessitam-se de estudos que possibilitem conhecer sua disponibilidade regional, variabilidade temporal e previsibilidade. Quando se trata de previsão de curto prazo os modelos preditivos encontram-se em desenvolvimento sendo um grande desafio de engenharia. Dentro desse contexto, o objetivo geral desse trabalho é desenvolver uma ferramenta de previsão de curto prazo da radiação solar, no período de três horas, por meio da utilização de redes neurais artificiais e dados de estações meteorológicas localizadas no município de Araranguá Santa Catarina. Os resultados demonstram que a ferramenta desenvolvida apresenta boa capacidade de previsão, foram encontrados valores de RMSE (Root Mean Square Error) abaixo de 100 W/m², MAE (Mean Absolute Error) abaixo de 70 W/m² e MBE (Mean Bias Error) abaixo de 10 W/m² o que garantem que os acertos da previsão foram satisfatórios. Esses permitem que os resultados sejam considerados seguros com erro percentual anual da ordem de 2,38%. Ao final do trabalho, concluiu-se que a ferramenta apresentou, na média, um bom grau de acerto e que esses são importantes para auxiliar na operação e também no planejamento de usinas que utilizem energia solar como fonte. | |
| dc.description | Abstract : The solar energy has been gaining prominence in recent years, following the growing world energy demand. Currently, the technological advance and the economic competitiveness of solar photovoltaic technologies can also be highlighted as decisive factors for its insertion in the energy matrix. However, the solar radiation that reaches the Earth's surface varies, mainly, due to the climatic variations that occur in the atmosphere. This fact has a great influence on the production of electric energy. Therefore, to assist to perform the reliability of the generation systems, especially in the case of photovoltaic plants, among other factors, studies are needed to know its regional availability, temporal variability and predictability. When it comes to short-term forecasting, models are under development being an engineering challenge. In this context, the general objective of this work is to develop a short-term forecasting tool for solar radiation, in the period of three hours ahead, through the use of artificial neural networks and data from meteorological stations located in the city of Araranguá Santa Catarina Brazil. The results show that the tool developed has an adequate accuracy of forecast. The RMSE (Root Mean Square Error) values below 100 W/m², MAE (Mean Absolute Error) below 70 W/m² and MBE (Mean Bias Error) below 10 W/m² were found, which ensure that the capacity of the forecast is satisfactory. These allow the results to be considered safe with an annual percentage error of the order of 2.38%. At the end of the work, it was concluded that the tool presented, on average, a good degree of reliability and that these are important to assist in the management and also in the prospecting for future installations of a solar photovoltaic plant. | |
| dc.format | 82 p.| il., gráfs., tabs. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.subject | Energia elétrica | |
| dc.subject | Sustentabilidade | |
| dc.subject | Radiação solar | |
| dc.subject | Redes neurais (Computação) | |
| dc.title | Desenvolvimento de uma ferramenta para previsão de curto prazo da radiação solar utilizando redes neurais artificiais | |
| dc.type | Dissertação (Mestrado) | |
