Publicação
Métodos de previsão de produção de energia renovável: solar fotovoltaica
| Resumo: | A energia solar fotovoltaica tem-se destacado como uma das soluções mais promissoras e sustentáveis no panorama energético mundial, desempenhando um papel crucial na redução das emissões de gases com efeito de estufa e na transição energética. No entanto, a intermitência inerente à produção de energia solar, devido à variabilidade das condições meteorológicas, constitui um desafio significativo para a sua integração eficiente na rede elétrica. Neste contexto, os métodos de previsão de energia solar fotovoltaica surgem como ferramentas essenciais, permitindo que os operadores da rede antecipem a produção de energia e, dessa forma, tomem decisões mais informadas para manter o equilíbrio entre a oferta e a procura, planear o armazenamento e reduzir os custos operacionais. Esta dissertação explora os diversos métodos utilizados na previsão da produção de energia solar fotovoltaica, assim como os principais desafios inerentes a este processo. Os métodos analisados diferem em termos de complexidade e abordagem, abrangendo desde métodos físicos, estatísticos e híbridos até aos métodos baseados em inteligência artificial, os quais têm demonstrado uma grande capacidade para lidar com a complexidade dos dados e a sua natureza não linear. Como parte da dissertação, foi realizado um estudo prático que envolveu o uso de um software de simulação, no qual diferentes configurações de Redes Neuronais Artificiais foram treinadas e validadas. O objetivo foi identificar a configuração mais eficiente para a previsão da potência de energia solar fotovoltaica. O modelo foi avaliado com base em diversas métricas de desempenho, como o MAE, RMSE e MAPE, tendo apresentado um desempenho razoável na fase de previsão. Este estudo oferece uma análise detalhada dos diversos métodos de previsão de energia solar fotovoltaica, enfatizando a relevância de selecionar corretamente o modelo e as suas configurações. Essa escolha é essencial para aumentar a precisão das previsões e, por conseguinte, facilitar uma melhor integração desta fonte de energia na rede elétrica. |
|---|---|
| Autores principais: | Muamuhunga , Agostinho dos Santos |
| Assunto: | Sustentabilidade variabilidade métodos de previsão energia solar fotovoltaica transição energética |
| Ano: | 2024 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade Nova de Lisboa |
| Idioma: | português |
| Origem: | Repositório Institucional da UNL |
| Resumo: | A energia solar fotovoltaica tem-se destacado como uma das soluções mais promissoras e sustentáveis no panorama energético mundial, desempenhando um papel crucial na redução das emissões de gases com efeito de estufa e na transição energética. No entanto, a intermitência inerente à produção de energia solar, devido à variabilidade das condições meteorológicas, constitui um desafio significativo para a sua integração eficiente na rede elétrica. Neste contexto, os métodos de previsão de energia solar fotovoltaica surgem como ferramentas essenciais, permitindo que os operadores da rede antecipem a produção de energia e, dessa forma, tomem decisões mais informadas para manter o equilíbrio entre a oferta e a procura, planear o armazenamento e reduzir os custos operacionais. Esta dissertação explora os diversos métodos utilizados na previsão da produção de energia solar fotovoltaica, assim como os principais desafios inerentes a este processo. Os métodos analisados diferem em termos de complexidade e abordagem, abrangendo desde métodos físicos, estatísticos e híbridos até aos métodos baseados em inteligência artificial, os quais têm demonstrado uma grande capacidade para lidar com a complexidade dos dados e a sua natureza não linear. Como parte da dissertação, foi realizado um estudo prático que envolveu o uso de um software de simulação, no qual diferentes configurações de Redes Neuronais Artificiais foram treinadas e validadas. O objetivo foi identificar a configuração mais eficiente para a previsão da potência de energia solar fotovoltaica. O modelo foi avaliado com base em diversas métricas de desempenho, como o MAE, RMSE e MAPE, tendo apresentado um desempenho razoável na fase de previsão. Este estudo oferece uma análise detalhada dos diversos métodos de previsão de energia solar fotovoltaica, enfatizando a relevância de selecionar corretamente o modelo e as suas configurações. Essa escolha é essencial para aumentar a precisão das previsões e, por conseguinte, facilitar uma melhor integração desta fonte de energia na rede elétrica. |
|---|