Classificação do tipo de sombreamento e de sujidade em módulos fotovoltaicos utilizando LGBM e curvas I-V
Resumo
Com a crescente demanda global por energia elétrica, torna-se fundamental investir na produção de energia renovável e limpa. O Brasil, com seu vasto potencial geográfico, tem a oportunidade de diversificar sua matriz energética com fontes renováveis, trazendo benefícios econômicos, sociais e ambientais. Investir em produção de energia renovável é essencial para construir uma matriz sustentável capaz de atender às necessidades de consumo de maneira eficiente. Reduzir os custos com operação e manutenção da energia solar é crucial para garantir a viabilidade econômica de projetos fotovoltaicos. A gestão eficiente desses custos pode ser a diferença entre uma operação bem-sucedida e uma instalação pouco rentável, especialmente considerando o aumento da capacidade instalada de sistemas solares. Este trabalho propõe a estruturação de um conjunto de dados utilizando curvas I-V de um arranjo fotovoltaico em diferentes condições de sombreamento e sujeira, tendo em vista aplicar um algoritmo de aprendizagem de máquina que seja capaz de detectar essas condições. O conjunto de dados utilizado contém medições de corrente, tensão, temperatura do módulo e irradiação no momento da amostragem. O modelo utilizado para avaliação e comparação é o Light Gradient-Boosting Machine, que atingiu uma acurácia de 99,1% na avaliação da sujidade e de 96,5% na avaliação de sombreamento. Os resultados de outros modelos também foram comparados, chegando a acurácias de 100% na avaliação da sujidade.
Coleções
Os arquivos de licença a seguir estão associados a este item: