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.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Dal Molin, Viviane | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Pola, Ives Renê Venturini | - |
Autor(es): dc.contributor | Dal Molin, Viviane | - |
Autor(es): dc.creator | Ribeiro, Victor Hugo Chimilovski | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:49:46Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:49:46Z | - |
Data de envio: dc.date.issued | 2023-02-27 | - |
Data de envio: dc.date.issued | 2023-02-27 | - |
Data de envio: dc.date.issued | 2022-12-06 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30643 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1102614 | - |
Descrição: dc.description | Thinking about the importance of renewable energies and their technological developments, the use of computational and statistical tools to assist in their administration and management, can be a next step towards growth and encouragement in the use of these sustainable energy sources, such as photovoltaic plants. Using time series and their analysis methods to describe the sample set, stochastic statistical forecasts can be made with them and by applying the intelligent model of Extreme Learning Machine (ELM) there is an improvement in the accuracy of these forecasts. Taking advantage of finding the best hyperparameters at ELM initialization, the use of optimization meta-heuristics such as: Coyote Optimization Algorithm(COA), Differential Evolution (DE) and Particle Swarm Optimization (PSO), refine the forecast results and it is also possible to make a comparison between them, indicating the best one for the application in question with the use of forecast error minimization as a comparison metric. With this, it is possible to notice promising results in an accuracy close to 98% with the PSO meta-heuristic. | - |
Descrição: dc.description | Pensando na importância das energias renováveis e seus desenvolvimentos tecnológicos, o uso de ferramentas computacionais e estatísticas para auxiliar na sua administração e manejo, pode ser um próximo passo para um crescimento e incentivo no uso dessas fontes energéticas sustentáveis, como usinas fotovoltaicas. Utilizando séries temporais e seus métodos de análise para descrever o conjunto amostral, pode-se realizar previsões estatísticas estocásticas com as mesmas e ao aplicar o modelo inteligente de Aprendizado de Maquina ao Extremo (ELM) têm-se uma melhora na acurácia dessas previsões. Aproveitando para encontrar os melhores hiperparâmetros na inicialização do ELM, o uso de meta-heurísticas de otimização como: Coyote Optimization Algorithm(COA), Differential Evolution (DE) e Particle Swarm Optimization (PSO), refinam os resultados de previsões e também é possível realizar um comparativo entre elas, indicando a melhor para aplicação em questão com o uso da minimização de erro de previsão como métrica de comparação. Com isso é possível notar resultados promissores numa acurácia próxima a 98% com a meta-heurística do PSO. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Pato Branco | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Engenharia de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Geração de energia fotovoltaica | - |
Palavras-chave: dc.subject | Algoritmos | - |
Palavras-chave: dc.subject | Otimização matemática | - |
Palavras-chave: dc.subject | Análise de séries temporais | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Photovoltaic power generation | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Mathematical optimization | - |
Palavras-chave: dc.subject | Time-series analysis | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Análise de séries temporais utilizando Aprendizado de Máquina ao Extremo (ELM) para previsão de potência em painéis solares | - |
Título: dc.title | Time series analysis using Extreme Learning Machine (ELM) for power forecasting in solar panels | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: