Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/45060| Tipo: | TCC |
| Título : | Estudo de previsão de irradiância solar usando regressão por vetores de suporte |
| Autor : | Gomes, Jan Luccas de Oliveira |
| Tutor: | Carvalho, Paulo Cesar Marques de |
| Co-asesor: | Lima, Marcello Anderson Ferreira Batista |
| Palabras clave : | Energia solar;Previsão de irradiância solar;Regressão por vetores de suporte |
| Fecha de publicación : | 2018 |
| Citación : | GOMES, Jan Luccas de Oliveira. Estudo de previsão de irradiância solar usando regressão por vetores de suporte. 2018. 57 f. Monografia (Graduação em Engenharia Elétrica) – Universidade Federal do Ceará, Fortaleza, 2018. |
| Resumen en portugués brasileño: | A intermitência do recurso solar é uma das barreiras à utilização de parques fotovoltaicos em um sistema elétrico. O crescimento da geração fotovoltaica demanda estudos de previsão solar para permitir o balanceamento entre consumo e produção de eletricidade. Este trabalho tem como objetivo apresentar um estudo de previsão de irradiação solar global horizontal realizado a partir de uma série de dados históricos de irradiância solar global horizontal coletada em Fortaleza-CE entre 2003 e 2005. A série histórica coletada foi dividida em 70% e 30% para treinamento e para teste respectivamente. O estudo de previsão foi baseado no algoritmo de Regressão por Vetores de Suporte (SVR – Support Vector Regression). O algoritmo foi implementado na linguagem de programação Python utilizando a biblioteca de aprendizado de máquina Scikit-learn. O horizonte de previsão é de 10 minutos. Em seguida comparou-se os dados previstos com os dados medidos para o período de teste e avaliações de erros foram feitas. De modo geral foi observado que os erros tendem a aumentar nos períodos do nascer e do pôr do sol. A partir da análise dos resultados obtidos nesse estudo, verificou-se que até 56,4% das previsões geraram erros menores de até 15%, o que representa um resultado satisfatório em comparação com estudos já realizados na área. |
| Abstract: | The intermittence of solar resource is one of the barriers for the use of photovoltaics plants in a electric power system. The growth of photovoltaic generation demands solar forecasting studies to allow the balance between consumption and electricity production. This work has as objective to present a study of solar global horizontal irradiance forecasting made from historical series of data on solar global horizontal irradiance collected in Fortaleza-CE between 2003 and 2005. The data series were divided in 70% and 30% for training and testing set respectively. The forecasting study was based on Support Vector Regression (SVR) algorithm. The algorithm was implemented in Python programming language through Scikit-learn machine learning library. The forecast horizon is 10 minutes. Afterwards predicted and measured data during testing period were compared and evaluation of errors were made. In general, it was observed that errors tend to increase during sunrise and sunset periods. From the analysis of the obtained results in this study, it was verified that 56,4% of forecasts got errors up to 15%, which represents a satisfactory result |
| URI : | http://www.repositorio.ufc.br/handle/riufc/45060 |
| Aparece en las colecciones: | ENGENHARIA ELÉTRICA - Monografias |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2018_tcc_jlogomes.pdf | 1,7 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.