Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/21458| Type: | Trabalho de conclusão de graduação |
| Title: | Previsão de geração energia fotovoltaica no Brasil por meio de modelos de aprendizado de máquina |
| Author(s)/Inventor(s): | Knupp, Hugo Kersbaumer |
| Advisor: | Gomide, Janaína Sant'anna |
| Abstract: | A crescente preocupação com a sustentabilidade e a busca por fontes de energia limpas e renováveis impulsionam o desenvolvimento de tecnologias voltadas para o aproveitamento dos recursos naturais. A energia solar fornece uma fonte de energia alternativa limpa e abundante para atender às necessidades energéticas. O objetivo desse trabalho é fornecer previsões da geração de energia fotovoltaica no Brasil aplicando modelos de aprendizado de máquina. A metodologia adotada envolveu a coleta e pré-processamento de dados climáticos e de geração solar, a seleção e implementação dos modelos de aprendizado de máquina, bem como a avaliação do desempenho dos modelos por meio de métricas como acurácia, erro médio absoluto (MAE) e erro médio quadrático (RMSE). Os resultados obtidos demonstraram que os modelos de árvores de decisão e florestas aleatórias apresentam um desempenho promissor na previsão de geração solar. Esses modelos mostraram-se capazes de fornecer previsões precisas, com um coeficiente de determinação superior a 60%, e uma boa concordância entre as previsões e as leituras reais de geração solar. A utilização desses modelos de aprendizado de máquina na previsão de geração solar traz vantagens significativas em relação às abordagens tradicionais, permitindo a captura de relações complexas entre os dados climáticos e a geração solar, bem como a adaptação a mudanças e a incorporação de novos dados ao longo do tempo. Este estudo contribui para a área de previsão de geração solar, fornecendo insights valiosos sobre o uso de modelos de aprendizado de máquina nesse contexto. As previsões precisas obtidas por meio desses modelos são essenciais para o planejamento estratégico, operação de usinas solares e otimização do sistema elétrico, contribuindo para a transição energética e a sustentabilidade. Como sugestões para pesquisas futuras, destaca-se a investigação de outros algoritmos de aprendizado de máquina, a incorporação de dados adicionais e a consideração de fatores socioeconômicos e políticas energéticas na modelagem. Essas abordagens podem aprimorar ainda mais as previsões de geração solar e contribuir para um sistema energético mais eficiente e sustentável. |
| Keywords: | Aprendizado de máquina Energia solar Geração de energia fotovoltaica Energia renovável Machine learning Solar energy Photovoltaic power generation Renewable energy |
| Subject CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA MECANICA |
| Production unit: | Instituto Politécnico |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 19-Jul-2023 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Citation: | KNUPP, Hugo Kersbaumer. Previsão de geração energia fotovoltaica no Brasil por meio de modelos de aprendizado de maquina. 2023. 62 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecânica) - Instituto Politécnico, Universidade Federal do Rio de Janeiro, Macaé, 2023. |
| Appears in Collections: | Engenharia Mecânica |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| HKKnupp.pdf | 1.06 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.