Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Métodos de aprendizado de máquina aplicado para previsão de séries temporais de energia solar
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/1884/95205
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Coelho, Leandro dos Santos, 1968- | - |
| Autor(es): dc.contributor | Mariani, Viviana Cocco, 1972- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Curso de Graduação em Engenharia Elétrica | - |
| Autor(es): dc.creator | Moura, Luiz Eduardo Galo de | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T10:31:44Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T10:31:44Z | - |
| Data de envio: dc.date.issued | 2025-03-17 | - |
| Data de envio: dc.date.issued | 2025-03-17 | - |
| Data de envio: dc.date.issued | 2023 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/95205 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/95205 | - |
| Descrição: dc.description | Orientador: Prof Dr. Leandro dos Santos Coelho | - |
| Descrição: dc.description | Coorientadora: Prof Dra. Viviana Cocco Mariani | - |
| Descrição: dc.description | Monografia (graduação) - Universidade Federal do Paraná, Setor de Tecnologia, Curso de Graduação em Engenharia Elétrica | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo : Este trabalho de conclusão de curso tem como objetivo analisar a previsão de séries temporais de energia solar utilizando modelos de aprendizado de máquina em comparação com métodos estatísticos tradicionais, visando a melhoria da eficiência na operação de sistemas energéticos. O estudo foca na aplicação de modelos de aprendizado de máquina, tais como Random Forest (RF), Gradient Boosting (GB) e Long Short-Term Memory (LSTM), além do método estatístico Seasonal Autoregressive Integrated Moving Average (SARIMA).A análise inclui previsões para diferentes janelas temporais, sendo as amostragens de 15 minutos e 1 hora utilizadas para previsões dentro do intervalo de um dia, enquanto a amostragem de 1 dia foi aplicada para prever o próximo dia. As análises foram realizadas com e sem a inclusão de variáveis exógenas. Os modelos foram avaliados com base em métricas como coeficiente de determinação R2 e Root Mean Squared Error (RMSE), permitindo a comparação do desempenho entre os diferentes modelos e configurações de previsão. Os resultados demonstraram que os modelos de aprendizado de máquina, especialmente o RF e o GB, apresentaram melhor eficiência computacional e precisão em cenários específicos, enquanto o modelo SARIMA, apesar de resultados promissores, apresentou maior custo computacional. Previsões para um e múltiplos dias à frente foram realizadas, evidenciando desafios relacionados à baixa correlação de curto prazo e à variabilidade dos dados. Os resultados indicaram que modelos baseados em aprendizado de máquina são capazes de capturar padrões complexos de geração de energia solar, mas ainda enfrentam limitações devido à variabilidade externa meteorológica | - |
| Descrição: dc.description | Abstract : This undergraduate thesis aims to analyze the forecasting of solar energy time series using machine learning models in comparison with traditional statistical methods, aimingto improve the operational efficiency of energy systems. The study focuses on the application of machine learning models such as Random Forest (RF), Gradient Boosting (GB), and Long Short-Term Memory (LSTM), as well as the statistical method Seasonal Autoregressive Integrated Moving Average (SARIMA). The analysis includes forecasts for different time windows, with 15-minute and 1-hour samplings used for forecasts within the interval of one day, while the 1-day sampling was applied to predict the next day. The analyses were conducted with and without the inclusion of exogenous variables. The models were evaluated based on metrics such as the coefficient of determination (R2) and Root Mean Squared Error (RMSE), enabling the comparison of performance between different models and forecasting configurations. The results demonstrated that machine learning models, especially RF and GB, offer better computational efficiency and accuracy in specific scenarios, whereas the SARIMA model, despite promising results, exhibited a higher computational cost. Forecasts for one and multiple days ahead were carried out, revealing challenges related to low short-term correlation and data variability. The findings indicate that machine learning-based models can capture complex patterns of solar energy generation but still face limitations due to external meteorological variability | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Energia solar | - |
| Palavras-chave: dc.subject | Sistemas de energia fotovoltaica | - |
| Palavras-chave: dc.subject | Análise de séries temporais | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Título: dc.title | Métodos de aprendizado de máquina aplicado para previsão de séries temporais de energia solar | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo