Navegando por Palavras-chave "Previsão de curto-prazo"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Aplicação do modelo encoder decoder LSTM para previsão de geração fotovoltaica
    (Universidade Federal de São Paulo, 2024-12-16) Arruda, Fernando Vasconde de [UNIFESP]; Martins, Fernando Ramos [UNIFESP]; Almeida, Marcelo Pinho; http://lattes.cnpq.br/2541127699182124; http://lattes.cnpq.br/9012359647335296; http://lattes.cnpq.br/4695805938100040; Universidade Federal de São Paulo (UNIFESP)
    Um dos pilares para o desenvolvimento tecnológico da sociedade moderna é a energia elétrica, cujo consumo vem crescendo com os avanços tecnológicos. Grande parte da geração de eletricidade provém de combustíveis fósseis; contudo, as fontes renováveis têm ganho destaque devido aos pactos globais que visam à redução da emissão de gases de efeito estufa com o objetivo de controlar o aumento da temperatura do planeta. O recurso solar é uma alternativa importante para essa transição energética, mas ainda existem desafios tecnológicos que precisam ser superados para ampliar sua utilização. A intermitência da geração fotovoltaica, associada às condições meteorológicas, é um dos principais desafios. Este trabalho aplicou uma metodologia de previsão de geração fotovoltaica para um horizonte de 1 a 3 horas baseada em redes neurais utilizando uma arquitetura conhecida como Encoder-Decoder Long Short-Term Memory (EDLSTM). Esse modelo é altamente eficiente para problemas conhecidos como seq2seq, onde uma sequência de dados é usada como entrada e outra sequência é gerada como saída. O funcionamento do modelo envolve dois componentes: o encoder, que comprime a sequência de entrada em um vetor de comprimento fixo, e o decoder, que descomprime esse vetor para obter a sequência de previsão. Para o treinamento, foram utilizados dados meteorológicos e a série histórica da potência do gerador fotovoltaico localizado na Universidade de São Paulo. A série histórica abrange o período de 2018 a 2022, sendo que os dados de 2018 a 2021 foram usados para treinamento e validação, enquanto os dados de 2022 foram reservados para testes. Foram considerados quatro grupos de atributos de entrada, sendo dois com variáveis atmosféricas e dois com a série histórica de potência. O algoritmo de Grid Search foi implementado para identificar os melhores hiperparâmetros para a topologia das redes. A avaliação do modelo foi realizada utilizando a Raiz do Erro Quadrático Médio (RMSE), o Erro Médio de Viés (MBE) e o Erro Absoluto Médio (MAE), normalizados tanto pela potência nominal do gerador quanto pela média da geração observada (pRMSE, pMBE e pMAE). Além disso, foi utilizado o Skill Score (SS), que compara o desempenho do modelo estudado com um modelo de persistência baseado no índice de claridade de céu claro. Os modelos que utilizaram os atributos de potência como entrada para o treinamento do modelo obtiveram melhor desempenho, com destaque para os modelos EDLSTM P, que apresentou índices de Skill Score variando entre 14,42% e 47,95%, e o EDLSTM PAZ, com índices variando entre 15,16% e 48,67%. Esses dois modelos apresentaram valores positivos de Skill Score em condições de céu claro, nublado e parcialmente nublado, para os três horizontes de previsão.
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Estudo de segmentação e movimentação de nuvens utilizando imageadores do céu em Natal-RN, costa do nordeste do Brasil
    (Universidade Federal de São Paulo, 2024-05-17) Pires, Wendy Mary da Silveira [UNIFESP]; Martins, Fernando Ramos [UNIFESP]; http://lattes.cnpq.br/9012359647335296; https://lattes.cnpq.br/4862701131287048; Universidade Federal de São Paulo (UNIFESP)
    O Sol é a principal fonte de energia para os processos físicos, químicos e biológicos que acontecem em nosso planeta. Com o desenvolvimento tecnológico e o aumento da demanda por energia, as fontes renováveis de energia, incluindo a energia solar, são uma alternativa viável sob o ponto de vista técnico, econômico e ambiental. No entanto, devido às flutuações diárias da radiação solar incidente na superfície, é difícil modelar e simular a produção de energia solar, principalmente em uma região equato-rial considerando o conjunto de fenômenos meteorológicos que atuam e podem con-tribuir para os processos radiativos na atmosfera. A nebulosidade é o principal fator modulador da disponibilidade do recurso solar na superfície dada a sua variabilidade temporal e espacial, de modo que a previsão da cobertura futura de nuvens é uma informação fundamental para simulação e operação dos sistemas fotovoltaicos. Este estudo buscou analisar o movimento de nuvens em imagens coletadas em Natal-RN, cidade costeira localizada na região equatorial do Nordeste do Brasil (NEB). As ima-gens do céu foram coletadas por imageador all-sky com lente olho de peixe (fisheye) em operação na estação solarimétrica integrante da rede SONDA (INPE). O método de calibração das imagens foi desenvolvido com base na percurso solar com o intuito de localizar a posição das nuvens em relação à posição de operação do imageador. Dois algoritmos de classificação de pixels com relação a presença de nebulosidade foram desenvolvidos, um com base na razão vermelho-azul (RBR) em cada pixel e o outro algoritmo utiliza uma biblioteca de céu claro para minimizar o impacto da pre-sença do Sol não ocluso por nuvens nas imagens coletadas. O método de Farnebäck foi implementado para simular o fluxo óptico das nuvens e estimar a posição futura do campo de nuvens para três horizontes de previsão. Os resultados tornam evidentes o desafio da modelagem de movimento de nuvens na costa equatorial NEB em razão das características climáticas regionais: ventos constantes e processos de formação/-dissipação de nuvens em escalas de tempo muito reduzidas. As métricas adotadas para avaliação das previsões realizadas foram RMSE, Viés e MAE. A previsão por persistência foi adotada como referência para comparação com a modelagem de fluxo ótico. Os resultados mostram que para horizontes de 1 minuto, a modelagem de Far-nebäck apresentou desvios do RMSE abaixo de 50%. Em contrapartida os resultados para 10 minutos foram inferiores ao observado em 5 minutos, com um RMSE má-ximo de 55%. Diante disso, a previsão para intervalos de 5 minutos foram as que apresentaram maiores problemas, tendo em vista, as mudanças rápidas das nebulosi-dades sobre as lentes da câmera. Em contrapartida, nos intervalos de 1 e 10 minutos Farnebäck apresentou resultados satisfatórios. As previsões de Farnebäck mostram pequena vantagem em relação ao método de persistência uma vez que os desvios de RMSE foram similares em ambos os métodos, mas valores de viés são reduzidos em condições meteorológicas específicas.