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.pdf1.06 MBAdobe PDFVisualizar/Abrir


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