Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/21458| Especie: | Trabalho de conclusão de graduação |
| Título : | Previsão de geração energia fotovoltaica no Brasil por meio de modelos de aprendizado de máquina |
| Autor(es)/Inventor(es): | Knupp, Hugo Kersbaumer |
| Tutor: | Gomide, Janaína Sant'anna |
| Resumen: | 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. |
| Materia: | Aprendizado de máquina Energia solar Geração de energia fotovoltaica Energia renovável Machine learning Solar energy Photovoltaic power generation Renewable energy |
| Materia CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA MECANICA |
| Unidade de producción: | Instituto Politécnico |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | 19-jul-2023 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Citación : | 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. |
| Aparece en las colecciones: | Engenharia Mecânica |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| HKKnupp.pdf | 1.06 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.