Use este identificador para citar ou linkar para este item: http://repositorio.ifg.edu.br:8080/handle/prefix/1636
Tipo: Trabalho de Conclusão de Curso
Título: Redes neurais recorrentes para previsão de radiação solar global.
Título(s) alternativo(s): Global solar radiation forecasting using recurrent neural networks.
Autor(es): Vieira, Jesiel Pereira
Primeiro Orientador: Oliveira, Marcelo Escobar de
metadata.dc.contributor.referee1: Viajante, Ghunter Paulo
metadata.dc.contributor.referee2: Marques, Leonardo Garcia
metadata.dc.contributor.referee3: Oliveira, Marcelo Escobar de
Resumo: No cenário mundial, as redes inteligentes estão se difundindo e mostrando uma tendência em busca da otimização de sistemas elétricos de potência, em especial os sistemas de distribuição. Este contexto é consequência de diversos fatores como a diversificação da matriz elétrica com adição de fontes renováveis, aumento da demanda de energia elétrica e geração descentralizada. As abordagens recentes, aplicando técnicas de inteligência artificial, se destacam na literatura utilizando modelos de regressão que buscam predizer variáveis relacionadas à geração de energia. Assim, neste trabalho explora-se a aplicação de redes neurais artificiais na previsão de radiação solar global a curto prazo, como auxílio na tomada de decisões para controle e otimização em sistemas de geração solar fotovoltaicos. Com essa finalidade, foram desenvolvidas três arquiteturas de redes neurais com dois conjuntos de dados distintos, comparando o desempenho dos modelos no aspecto de acurácia e tempo de execução. Para o desenvolvimento da proposta, inicialmente realizou-se um estudo abordando a matriz energética brasileira, as fontes renováveis de energia (destacando a geração solar fotovoltaica) e trabalhos que aplicaram o conceito de redes neurais para a previsão de variáveis relacionadas a geração de energia. Ao término da revisão bibliográfica, a rede neural recorrente foi proposta para realizar as previsões de radiação solar global. Por conseguinte, foi apresentada a comparação entre as principais células recorrentes (LSTM e GRU), bem como sua aplicação conjunta em uma configuração híbrida. Assim, os resultados de ambos os modelos foram apontados de modo a definir a configuração mais adequada, a partir da qual foram realizadas as análises estatísticas e gráficas que embasaram as conclusões do presente trabalho.
Abstract: Worldwide smart grids are spreading and showing a trend towards the optimization of electrical power systems, especially the distribution systems. This is a consequence of several factors such as the diversification of the electricity mix with the addition of renewable sources, increased demand for electricity and decentralized generation. Recent approaches, applying artificial intelligence techniques, emerge in the literature using regression models that seek to predict variables related to energy generation. Thus, this work explores the application of artificial neural networks in the prediction of global radiation in the short term, as an aid in decision making for control and optimization in photovoltaic generation systems. Therefore, three neural network architectures were developed with two distinct datasets, comparing the performance of the models in terms of accuracy and execution time. For the development of the proposal, initially a study was accomplished addressing the Brazil electricity mix, renewable energy sources (especially photovoltaic generation) and articles that applied the concept of neural networks for the prediction of energy generation related variables. At the end of the literature review, a recurrent neural network was developed to perform solar global radiation predictions. Therefore, the comparison between the main recurrent cells (LSTM and GRU) was presented, as well as their joint application in a hybrid configuration. Thus, the results of both models were used in order to define the most appropriate configuration, based on the application of statistical and graphical analyses, which supported the conclusions of the present work.
Palavras-chave: Energia solar.
Solar energy.
Redes neurais artificiais.
Artificial neural networks.
Radiação global.
Global radiation.
Previsão.
Forecasting.
Redes neurais recorrentes.
Recurrent neural networks.
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA
Idioma: por
País: Brasil
Editor: Insitituto Federal de Educação, Ciência e Tecnologia de Goiás
Sigla da Instituição: IFG
metadata.dc.publisher.department: Câmpus Itumbiara
Citação: VIEIRA, Jesiel Pereira. Redes neurais recorrentes para previsão de radiação solar global. 2022. Trabalho de Conclusão de Curso (Graduação em Bacharelado em Engenharia Elétrica) – Instituto Federal de Educação, Ciência e Tecnologia de Goiás - IFG, Itumbiara, 89 p. 2023.
Tipo de Acesso: Acesso Aberto
URI: http://repositorio.ifg.edu.br:8080/handle/prefix/1636
Data do documento: 5-Set-2022
Aparece nas coleções:Bacharelado em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_Jesiel Pereira Vieira.pdfTCC Bacharelado em Engenharia Elétrica - Câmpus Itumbiara 2022 – Jesiel Pereira Vieira - Redes neurais recorrentes para previsão de radiação solar global.2,23 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.