Dissertação
Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico
Autor
Melo, Denise Sanches de
Institución
Resumen
The measurement and verification (M&V) campaigns of results in energy
efficiency projects play a fundamental role in evaluating the real benefits arising from
the implemented actions. In projects that include the implementation of solar
generation, one of the independent variables considered in the process is “solar
irradiation”, on which the variation of energy provided by the system depends. With
this in mind, a methodology with the application of LSTM neural networks (LongShort Term Memory) for the prediction of "solar irradiation" is proposed, with the
objective of reducing the time for monitoring the project results from twelve to six
months, taking in given the difficulties faced in long periods of monitoring. The
evaluation of the method applied to the problem in M&V for projects with a
photovoltaic system (SFV), showed satisfactory results, identifying an alternative
solution with the application of LSTM neural networks. As campanhas de medição e verificação (M&V) de resultados em projetos de
eficiência energética desempenham um papel fundamental na avaliação dos reais
benefícios oriundos das ações implementadas. Em projetos que contemplam a
implementação de geração solar, umas das variáveis independentes consideradas
no processo é a irradiação solar, de que depende da variação da energia provida
pelo sistema. Neste intuito, uma metodologia com aplicação de redes neurais LSTM
(Long-Short Term Memory) para a previsão da “irradiação solar” é proposta, com o
objetivo de reduzir o tempo de acompanhamento dos resultados do projeto de doze
para seis meses, tendo em vista as dificuldades enfrentadas em períodos longos de
monitoramento. A avaliação do método aplicado ao problema na M&V para projetos
com sistema fotovoltaico (SFV), apresentou resultados satisfatórios, identificando
uma solução alternativa com a aplicação de redes neurais LSTM.