Previsão de potência gerada por sistema fotovoltaico na cidade de Foz do Iguaçu de acordo com dados meteorológicos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKonopatzki, Evandro André-
Autor(es): dc.contributorPasa, Leandro Antonio-
Autor(es): dc.contributorKonopatzki, Evandro André-
Autor(es): dc.contributorPasa, Leandro Antonio-
Autor(es): dc.contributorThomaz, Tatiane Tambarussi-
Autor(es): dc.contributorSantos, José Airton Azevedo dos-
Autor(es): dc.creatorPerego Junior, Domingos-
Data de aceite: dc.date.accessioned2025-08-29T13:08:28Z-
Data de disponibilização: dc.date.available2025-08-29T13:08:28Z-
Data de envio: dc.date.issued2023-08-04-
Data de envio: dc.date.issued2023-08-04-
Data de envio: dc.date.issued2022-11-02-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/31937-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1108044-
Descrição: dc.descriptionPhotovoltaic power is getting popular lately as a reneweable alternative to fossil fuel consumption. However, its power generation is linked to meteorological factors. The use of the regression algorithms Support Vector Machines, Decision Trees, Nearest Neighbors, and an Artificial Neural Network are proposed to predict the amount of power generated by a solar power plant located in Foz do Iguaçu city, based on meteorological data. The data was treated, and a feature selection was performed after an exploratory data analysis, evaluating the correlation coefficient and scatter plots. In this context, the selected variables were: solar radiation, temperature, humidity, dew point, rain, hour and month. After that, the regression models were trained and validated using cross validation. 10% of the dataset was designated to be used as a test set, using RMSE, MAPE and R2 as evaluation metrics. According to these metrics, the best algorithms are SVR and ANN. A Dunnett’s Test with a Confidence Interval of 95% was performed to compare the means obtained by each one of the algorithms and the real data, pointing out that there is not a significant difference between the algorithms and the real data, suggesting that all of them are fitted for the prediction.-
Descrição: dc.descriptionA energia solar vem ganhando espaço nos últimos anos como uma alternativa renovável à utilização de combustíveis fósseis. No entanto, sua geração está atrelada às condições meteorológicas. Dessa forma, é proposta a utilização dos algoritmos de regressão Support Vector Machines, Árvores de Decisão, Nearest Neighbors, e Rede Neural Artificial para prever a potência gerada por um sistema fotovoltaico localizado na cidade de Foz do Iguaçu com base em dados meteorológicos. Os dados obtidos foram tratados, e realizou-se a seleção de variáveis por meio de uma análise exploratória, onde foi avaliado o coeficiente de correlação e gráficos de dispersão. Nessa análise determinou-se que as variáveis que mais influenciam na potência gerada são: radiação solar, temperatura, umidade, ponto de orvalho, chuva, hora e mês. Posteriormente os modelos de regressão foram treinados e validados por meio de validação cruzada. Utilizou-se 10% do conjunto de dados para teste do modelo por meio das métricas RMSE, MAPE e R2, sendo que, de acordo com essas métricas, os melhores algoritmos são o SVR e RNA. O Teste de Dunnett com intervalo de confiança de 95% foi utilizado para comparar as médias obtidas por cada um dos algoritmos com os valores reais, e seu resultado indicou que não há diferença significativa entre elas, sugerindo que todos os algoritmos propostos são adequados para a realização da previsão.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/-
Palavras-chave: dc.subjectGeração de energia fotovoltaica-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectAnálise de regressão-
Palavras-chave: dc.subjectPhotovoltaic power generation-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectRegression analysis-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titlePrevisão de potência gerada por sistema fotovoltaico na cidade de Foz do Iguaçu de acordo com dados meteorológicos-
Título: dc.titlePower prediction of a photovoltaic system located in Foz do Iguaçu city according to meteorological data-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.