1. Repositório Institucional UFC
2. CT - Centro de Tecnologia
3. DEME - Departamento de Engenharia Mecânica
4. DEME - Trabalhos apresentados em eventos

Tipo:	Artigo de Evento
Título:	Influência do preditor índice niño oceânico (oni) na previsão da irradiação global horizontal de Fortaleza em diferentes horizontes temporais utilizando machine learning
Autor(es):	Brasil, 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
Palavras-chave:	Aprendizagem de máquina;Irradiação global horizontal;El Niño
Data do documento:	2020
Citação:	BRASIL, 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”
Resumo:	A 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.
URI:	http://www.repositorio.ufc.br/handle/riufc/57058
ISBN:	978-65-993338-0-4
Aparece nas coleções:	DEME - Trabalhos apresentados em eventos

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