Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Revista Facultad de Ingeniería
Print version ISSN 0121-1129On-line version ISSN 2357-5328
Abstract
ORDONEZ-PALACIOS, Luis-Eduardo; LEON-VARGAS M. SC, Daniel-Andrés; BUCHELI-GUERRERO PH. D, Víctor-Andrés and ORDONEZ-ERASO PH. D, Hugo-Armando. Predição de radiação solar em sistemas fotovoltaicos utilizando técnicas de aprendizagem automática. Rev. Fac. ing. [online]. 2020, vol.29, n.54, e11751. Epub Dec 30, 2020. ISSN 0121-1129. https://doi.org/10.19053/01211129.v29.n54.2020.11751.
A estimativa da radiação solar é fundamental para quem participa na planificação de granjas de energia solar, já sejam isoladas ou conectadas às redes de distribuição elétrica. Isto para o aproveitamento das fontes de energia renováveis, reduzir o impacto produzido pela mudança climática, e incrementar os índices de cobertura no serviço elétrico. De igual maneira, o número de estações de medição existentes é insuficiente para cobrir toda a geografia de uma região, e muitas delas não estão capturando dados de radiação solar. Por conseguinte, é importante fazer uso de modelos matemáticos, estatísticos e de inteligência artificial que permitam predizer a radiação solar a partir de dados meteorológicos disponíveis. Neste trabalho utilizaram-se conjuntos de dados tomados de estações de medição localizadas nas cidades de Cali e Villavicencio, além de um conjunto de dados gerado pela API World Weather Online para a cidade de Mocoa. A razão foi realizar estimativas de radiação solar utilizando distintas técnicas de aprendizagem automática para regressão e classificação; o principal objetivo foi avaliar seu desempenho. Ainda que na maioria dos trabalhos relacionados os pesquisadores utilizaram a aprendizagem profunda para a predição da radiação solar, este estudo demonstrou que, se bem as redes neuronais artificiais são a técnica mais utilizada, outros algoritmos de aprendizagem automática como Random Forest, Máquinas de Suporte Vectorial e AdaBoost também proporcionam estimativas com suficiente precisão para serem utilizados neste campo de estudo.
Keywords : aprendizagem automática; aprendizagem profunda; aprendizagem supervisada; modelo de predição; radiação solar; sistemas fotovoltaicos.