Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/57058
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorBrasil, Juliana Silva-
dc.contributor.authorMarinho, Felipe Pinto-
dc.contributor.authorOliveira, Rahysa Silva de-
dc.contributor.authorLoayza, David Mickely Jaramillo-
dc.contributor.authorRocha, Paulo Alexandre Costa-
dc.contributor.authorBueno, André Valente-
dc.contributor.authorLima, Ricardo José Pontes-
dc.contributor.authorSilva, Maria Eugênia Vieira da-
dc.date.accessioned2021-03-10T14:57:01Z-
dc.date.available2021-03-10T14:57:01Z-
dc.date.issued2020-
dc.identifier.citationBRASIL, Juliana Silva; MARINHO, Felipe Pinto; OLIVEIRA, Rahysa Silva de; LOAYZA, David Mickely Jaramillo; ROCHA, Paulo Alexandre Costa; BUENO, André Valente; LIMA, Ricardo José Pontes; SILVA, Maria Eugênia Vieira da. Influência do preditor índice niño oceânico (oni) na previsão da irradiação global horizontal de Fortaleza em diferentes horizontes temporais utilizando machine learning. In: CONGRESSO BRASILEIRO DE ENERGIA SOLAR, VIII, 01 a 05 jun. 2020, Fortaleza, Ceará, Brasil. Anais[...] Fortaleza, Ceará, 2020. Tema: “Radiação Solar - Recursos Solares e Meteorologia da Radiação Solar”pt_BR
dc.identifier.isbn978-65-993338-0-4-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/57058-
dc.language.isopt_BRpt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectIrradiação global horizontalpt_BR
dc.subjectEl Niñopt_BR
dc.titleInfluência do preditor índice niño oceânico (oni) na previsão da irradiação global horizontal de Fortaleza em diferentes horizontes temporais utilizando machine learningpt_BR
dc.typeArtigo de Eventopt_BR
dc.description.abstract-ptbrA introdução da energia solar na rede elétrica vem aumentando anualmente, inclusive no Ceará. Nessecontexto, são suscitadas questões relativas à complementaridade de abastecimento, uma vez que a fonte solar éintermitente e variável com o tempo. O planejamento adequado pode ser facilitado pela previsão da irradiaçãoutilizando métodos de aprendizagem de máquinas. O presente trabalho avaliou o desempenho de 3 modelos deprevisão da irradiação global horizontal - rede neural, Boosting e modelo de persistência – para a cidade deFortaleza, Ceará, em 8 horizontes temporais distintos, analisando a influência do El Niño e da La Niña, na forma dopreditor ONI, nessas previsões. Utilizou-se, além do ONI, informações meteorológicas (temperatura ambiente,umidade relativa, velocidade do ar, direção do vento e nível de precipitação), dados de irradiação e hora e data daaquisição da informação. O banco de dados foi separado em 2 grupos, um de treinamento e outro de teste, bem comofoi realizada uma seleção de parâmetros para a rede neural e para o Boosting. O cálculo da variabilidade dos dadosde irradiação classificou esse preditor como de fraca variabilidade. Os resultados apontaram que houve redução doRMSE quando o preditor referente à intensidade do El Niño, ONI, foi adicionado, exceto para o horizonte de 2 min, oque indica que a adição do preditor melhorou o desempenho dos modelos de previsão. Notou-se também que o nRMSEcresceu conforme o horizonte temporal aumentava. O Boosting apresentou os menores erros dentre os modelosconsiderados, seus valores de nRMSE são compatíveis com aqueles encontrados na literatura, chegando a ser menorpara um determinado horizonte de tempo. Para a rede neural, todavia, os nRMSE obtidos foram superiores aosencontrados em trabalhos já publicados.pt_BR
Aparece nas coleções:DEME - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020_eve_jsbrasil.pdf422,14 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


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