Previsão de irradiância solar na região sudeste do Brasil empregando o modelo de mesoescala WRF ajustado por redes neurais artificiais (RNAS)

Data
2018-06
Tipo
Trabalho de conclusão de curso
Título da Revista
ISSN da Revista
Título de Volume
Resumo
A irradiância solar é um recurso energético vital para a manutenção da vida no planeta e para atendimento de demandas relativas às atividades humanas, tais como agricultura, geração de eletricidade e produção de calor. A irradiância solar que incide sobre a superfície é de natureza variável, principalmente devido às nuvens e aos ciclos sazonais. Este trabalho tem como objetivo avaliar a capacidade de um modelo numérico mesoescala em simular a evolução dos processos atmosféricos na região Sudeste do Brasil de forma a possibilitar seu uso para previsão de irradiância solar quando acoplado com uma metodologia para refinamento estatístico para redução dos desvios sistemáticos inerentes ao modelo de mesoescala. Neste sentido, o estudo baseou-se no uso de Redes Neurais Artificiais (RNAs) alimentadas por variáveis meteorológicas fornecidas pelo o modelo de mesoescala WRF para horizontes de curto prazo: 24 horas, 48 horas e 72 horas. As variáveis de saída do modelo WRF foram empregadas como preditores em modelos de RNAs. Este trabalho utilizou dados de irradiância solar incidente na superfície observados durante o ano de 2013 em estações operadas pelo INMET. Diversos experimentos numéricos foram realizados para ajuste e definição do conjunto de preditores e configuração das redes neurais. Parâmetros estatísticos para avaliação de desvios foram adotados da metodologia de previsão para validação da metodologia empregada no estudo. Os resultados obtidos mostram que as RNAs são uma excelente alternativa para previsão de irradiância solar em toda a Região Sudeste, se destacando, sobretudo, para previsões de até 24h em dias de céu claro.
Descrição
Citação
CAMPOS, Isabelle Sardinha Leonardo. Previsão de irradiância solar na região sudeste do Brasil empregando o modelo de mesoescala WRF ajustado por redes neurais artificiais (RNAS). 2018. 77 f. Trabalho de conclusão de curso de graduação (Engenharia Ambiental) - Instituto do Mar, Universidade Federal de São Paulo, Santos, 2018.
Pré-visualização PDF(s)