1. Repositório Institucional UFC
2. UFC - Graduação e Tecnólogo - Trabalhos de Conclusão de Curso (TCC)
3. ENGENHARIA ELÉTRICA
4. ENGENHARIA ELÉTRICA - Monografias

Tipo:	TCC
Título :	Desenvolvimento e implantação de um protótipo de uma plataforma IoT para monitoramento de uma central de geração fotovoltaica
Autor :	Alves, Levi Maia
Tutor:	Carvalho, Paulo Cesar Marques de
Co-asesor:	Dupont, Ivonne Montero
Palabras clave :	Energia Solar FV;Telemetria;Previsão de Corrente Elétrica;LSTM
Fecha de publicación :	2022
Citación :	ALVES, Levi Maia. Desenvolvimento e implantação de um protótipo de uma plataforma IoT para monitoramento de uma central de geração fotovoltaica. 2022. 81 f. Monografia (Graduação em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022
Resumen en portugués brasileño:	A maioria dos modelos de previsão de geração de energia para centrais fotovoltaicos (FVs) são construídos incluindo apenas as variáveis de temperatura ambiente e radiação. Porém, há fatores climáticos que influenciam também na produção de eletricidade, como umidade ambiente e velocidade do vento. Devido ao aumento do uso de dispositivos de internet das coisas (IoT), o monitoramento remoto de variáveis em tempo real remotamente, também denominado telemetria, torna-se cada vez mais importante para as análises de produção de usinas FVs. Estimar a quantidade de energia gerada é de extrema importância para qualidade da energia inserida na rede elétrica. O objetivo deste trabalho é apresentar o desenvolvimento e implantação de um Protótipo de uma Plataforma IoT para Monitoramento de uma Central de Geração Fotovoltaica que fora iniciado em meados de 2019, a começar da concepção da ideia até a obtenção dos dados até a aplicação de redes neurais LSTM (Memoria de Curto e Longo Prazo) que a prevê os dados de corrente elétrica. Os dados foram coletados a partir de uma estação meteorológica instalada ao lado dos painéis FVs, as variáveis analisadas são: temperatura dos painéis, temperatura ambiente, umidade, velocidade do vento e irradiância incidente sobre o módulo. Esses dados são cadastrados na rede neural para o processamento dos dados de corrente elétrica. Os resultados evidenciaram o passo a passo do projeto e apresentou bons valores de estimação para o curto número de dados possuídos, dispondo de um erro menor que 0.77A em 75% dos dados analisados, além de coeficiente de correlação com os dados do inversor de 0.947 que nos permitiu concluir que há viabilidade técnica para utilização de algoritmos de aprendizado de máquina para prever dados de corrente elétrica em uma usina FV através de dados climatológicos
Resumen en francés:	La plupart des modèles de prévision de la production d'énergie pour les centrales photovoltaïques (PV) sont construits en incluant uniquement les variables de température et de rayonnement ambiants. Cependant, certains facteurs climatiques influencent également la production d'électricité, comme l'humidité ambiante et la vitesse du vent. En raison de l'utilisation accrue des dispositifs de l'internet des objets (IoT), la surveillance à distance des variables en temps réel, également appelée télémétrie, devient de plus en plus importante pour les analyses de production des centrales photovoltaïques. L'estimation de la quantité d'énergie produite est de la plus haute importance pour la qualité de l'énergie insérée dans le réseau électrique. L'objectif de ce travail est de présenter le développement et la mise en oeuvre d'un prototype d'une plateforme IoT pour la surveillance d'une centrale photovoltaïque qui avait été lancée à la mi-2019, en partant de la conception de l'idée à l'obtention des données jusqu'à l'application de réseaux neuronaux LSTM (Short and Long Term Memory) qui prédit les données de courant électrique. Les données ont été collectées à partir d'une station météorologique installée à côté des panneaux photovoltaïques. Les variables analysées sont : la température du panneau, la température ambiante, l'humidité, la vitesse du vent et l'irradiation incidente sur le module. Ces données sont enregistrées dans le réseau neuronal pour le traitement des données de courant électrique. Les résultats ont montré la progression du projet et ont présenté de bonnes valeurs d'estimation pour le petit nombre de données possédées, avec une erreur inférieure à 0,77A dans 75% des données analysées, en plus d'un coefficient de corrélation avec les données de l'onduleur de 0,947, ce qui nous a permis de conclure qu'il y a une faisabilité technique pour l'utilisation d'algorithmes d'apprentissage automatique pour prédire les données de courant électrique dans une installation PV à travers des données climatologiques
URI :	http://www.repositorio.ufc.br/handle/riufc/67606
Aparece en las colecciones:	ENGENHARIA ELÉTRICA - Monografias

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