Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31490| Título: | Técnicas de redes neurais artificiais aplicadas na previsão de geração de uma usina fotovoltaica |
| Título(s) alternativo(s): | Artificial neural network techniques applied in the generation forecast of a photovoltaic plant |
| Autor(es): | Corpolato, Mattheus |
| Orientador(es): | Lopes, Sofia Moreira de Andrade |
| Palavras-chave: | Redes neurais (Computação) Processamento eletrônico de dados - Entrada de dados Sistemas de energia fotovoltaica Neural networks (Computer science) Electronic data processing - Data entry Photovoltaic power systems |
| Data do documento: | 28-Nov-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Toledo |
| Citação: | CORPOLATO, Mattheus. Técnicas de redes neurais artificiais aplicadas na previsão de geração de uma usina fotovoltaica. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica) - Universidade Tecnológica Federal do Paraná, Toledo, 2022. |
| Resumo: | A inserção de sistemas fotovoltaicos (FV) nas redes de distribuição de energia elétrica, por meio da geração distribuída é promissora, pois garante maior disponibilidade de energia elétrica ao sistema de distribuição. Entretanto, por ser uma fonte de energia com característica intermitente, limitado pelas variações climáticas, a disseminação desses sistemas em larga escala pode gerar instabilidades na rede. Com objetivo de prever a potência de saída destes sistemas FV, foram desenvolvidos algoritmos destinados à previsão de geração de energia. Obter uma previsão com exatidão pode contribuir para estabilizar e proteger a operação da rede, além de possibilitar a inserção da energia fotovoltaica em grande escala. Este trabalho tem como objetivo empregar técnicas de Redes Neurais Artificiais (RNAs) como ferramentas de previsão de geração de energia fotovoltaica. Como diferencial, foi utilizada uma Rede Perceptron Multicamadas (PMC) combinada a uma classificação preliminar dos dados de entrada, que validou a hipótese de que essa classificação prévia apresenta influência positiva nos resultados da RNA. |
| Abstract: | The insertion of photovoltaic (PV) systems in electricity distribution networks, through distributed generation, is promising, as it guarantees greater availability of electricity to the distribution system. However, as it is an energy source with these intermittent characteristics, limited by climatic variations, the dissemination of large-scale systems can generate instabilities in the network. In order to predict the output power of these PV systems, research related to energy generation prediction methods was developed. Obtaining an accurate forecast can help to stabilize and protect the operation of the grid, in addition to enabling the insertion of photovoltaic energy on a large scale. This work aims to present techniques of Artificial Neural Networks (ANN) as tools for predicting photovoltaic energy generation. As a differential, a Multilayer Perceptron Network (PMC) was used combined with a preliminary classification of the input data, which validated the hypothesis that this previous classification has an influence on the ANN results. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31490 |
| Aparece nas coleções: | TD - Engenharia Eletrônica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| previsaoredesneuraisartificiais.pdf | 1,99 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
