Photovoltaic Energy Production Forecasting Using LSTM and Cross-Validation
| dc.creator | Gonçalves, Nairon Augusto Monari | |
| dc.creator | Martins, Antonio Cesar Germano | |
| dc.creator | Fourmaux, Nicolas | |
| dc.date.accessioned | 2023-12-04T14:16:01Z | |
| dc.date.available | 2023-12-04T14:16:01Z | |
| dc.date.submitted | 2023-11-17 | |
| dc.identifier.uri | http://repositorio.ufsm.br/handle/1/30771 | |
| dc.language | eng | por |
| dc.relation.ispartof | 8° Congresso Brasileiro de Geração Distribuída (CBGD 2023) | por |
| dc.rights | Acesso Aberto | por |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject | Cross-validation | eng |
| dc.subject | Forecasting, LSTM | eng |
| dc.subject | Photovoltaic power systems | eng |
| dc.subject | Renewable energy sources | eng |
| dc.title | Photovoltaic Energy Production Forecasting Using LSTM and Cross-Validation | por |
| dc.title.alternative | Previsão de Produção de Energia Fotovoltaica usando LSTM e Validação Cruzada | por |
| dc.type | Trabalho Publicado em Evento | por |
| dc.description.resumo | The recent water shortage faced in Brazil and being the seventh largest in terms of population size according to the United Nations (UN), requires efficient and sustainable energy management strategies. Photovoltaic (PV) energy is a promising renewable source to meet this demand, but accurately forecasting its production remains a critical challenge. This study proposes the implementation of Long Short-Term Memory (LSTM) neural networks, a variant of recurrent neural networks (RNNs), for reliable prediction of photovoltaic production. To ensure the robustness and reliability of the predictive model, this work will use the Cross-validation statistical method. This technique helps validate model performance by dividing the dataset into training and testing sets, thereby providing insights into its generation and predictive capabilities. This is crucial to help energy suppliers in their decision-making processes and improve the regulation of photovoltaic production. https://doi.org/10.53316/cbgd2023.026 | por |
| dc.publisher.country | Brasil | por |
| dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
| dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
Anais do 8° Congresso Brasileiro de Geração Distribuída (CBGD 2023) [30]
Anais do 8° Congresso Brasileiro de Geração Distribuída (CBGD 2023).
O 8° Congresso Brasileiro de Geração Distribuída (CBGD) ocorreu nos dias 16 e 17 de novembro de 2023, em Belo Horizonte, Minas Gerais, Brasil. O CBGD é um evento anual realizado pelo Grupo FRG e promovido pela Associação Brasileira de Geração Distribuída (ABGD). Em 2023, a UFSM participou na coordenação do comitê científico.
Acordo de cooperação técnica UFSM e FRG: 23081.017513/2023-05
Coordenador científico e responsável pelo repositório: Prof. Dr. Lucas Vizzotto Bellinaso
Inserção no manancial: Alencar Fernandes Farias e Cristian Julian Ogas da Costa
Exceto quando indicado o contrário, a licença deste item é descrito como Acesso Aberto