Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/43599
metadata.teses.dc.title: Predição da geração de energia fotovoltaica aplicando o modelo Narx
metadata.teses.dc.title.alternative: Prediction of photovoltaic energy generation applying Narx Model
metadata.teses.dc.creator: Marques, Paulo Roberto
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/3857384058918762
metadata.teses.dc.contributor.advisor1: Lacerda, Wilian Soares
metadata.teses.dc.contributor.referee1: Gomes, Rogério Martins
metadata.teses.dc.contributor.referee2: Silva, Joaquim Paulo da
metadata.teses.dc.subject: Energia solar
Rede Neural Artificial (RNA)
Gestão de sistema elétricos
Energia fotovoltaica
Solar energy
Artificial Neural Network
Electrical system management
metadata.teses.dc.date.issued: 3-Nov-2020
metadata.teses.dc.identifier.citation: MARQUES, P. R. Predição da geração de energia fotovoltaica aplicando o modelo Narx. 2020. 60 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) – Universidade Federal de Lavras, Lavras, 2020.
metadata.teses.dc.description.resumo: A natureza intermitente da luz solar cria um desequilíbrio entre a geração de energia fotovoltaica e o consumo de eletricidade, dificultando o controle de todo o sistema elétrico. Por essa razão as concessionárias de energia necessitam de uma estimativa altamente precisa para gestão e comercialização de eletricidade quando há geração fotovoltaica. Objetivando propor um método de predição da geração de energia fotovoltaica, aplicou-se nesta pesquisa a rede auto-regressiva não linear com entradas exógenas NARX. Para tanto, foram empregados dados climatológicos como temperatura, radiação solar, bem como a energia gerada de uma microestação fotovoltaica particular em Varginha - MG (banco 1) no período entre 08/04/2019 a 20/04/2020. Também foram empregados dados de mais duas microestações distintas (banco 2 e banco 3) para análise comparativa de desempenho da rede NARX. Os três bancos de dados foram utilizados como variáveis de entrada na rede NARX, onde foram aplicados diferentes números de atrasos e de neurônios, totalizando trinta configurações. Por meio dos erros médios quadráticos de cada configuração, realizou-se a análise de variância e teste de comparação múltipla de Scott Knott, para a seleção das melhores configurações da rede para os três bancos de dados estudados. Concluiu-se que a rede NARX é apropriada para predição da geração de energia fotovoltaica com uma hora de antecipação. Os resultados obtidos com base no erro médio quadrático (EMQ = 0,0027) e coeficiente de determinação (R2 = 0,979) mostraram que a configuração de 50 atrasos e 15 neurônios apresentou maior eficiência na predição. Foi aplicada a regressão polinomial, para o banco 1 de dados, obtendo-se o coeficiente de determinação R2 = 0,9166.
metadata.teses.dc.description.abstract: The intermittent nature of sunlight creates an imbalance between the generation of photovoltaic energy and the consumption of electricity, making it difficult to control the entire electrical system. Therefore, for better controlling it’s generation, a highly accurate estimate in the next hour or on the business day of power generation, for allowing better management and commercialization of photovoltaic electricity. For this reason the nonlinear autoregressive network with exogenous inputs NARX was applied in this research, aiming to select the an effective network configuration for predicting photovoltaic energy generation. Data from the meteorological station, such as temperature and solar radiation, were used in addition to the energy generated from a private photovoltaic microgeneration in Varginha - MG, during the period between 08/04/2019 and 20/04/2020. Data from two other micro-generation plant were compared for network performance analysis. The three databases were used as input variables in the NARX network, where different numbers of delays and neurons were applied, totaling thirty configurations. Through the mean squared errors of each configuration, analysis of variance and multiple comparison Scott Knott test were performed to select the most efficient network configuration for all three databases. It was concluded that the NARX network is suitable for predicting the generation of photovoltaic energy hour ahead. The results obtained based on the mean quadratic error (EMQ = 0.0027) and determination coefficient (R2 = 0.979) showed that the configuration of 50 delays and 15 neurons showed greater efficiency in the prediction. Polynomial regression was applied to database 1, obtaining the coefficient of determination (R2 = 0.9166).
metadata.teses.dc.description: Arquivo retido, a pedido do autor até outubro 2021.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/43599
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DEG - Engenharia de Sistemas e Automação - Mestrado (Dissertações)

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.