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 :	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
Palabras clave :	Aprendizagem de máquina;Irradiação global horizontal;El Niño
Fecha de publicación :	2020
Citación :	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”
Resumen en portugués brasileño:	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 en las colecciones:	DEME - Trabalhos apresentados em eventos

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.