Aplicação de Rede Neural Artificial e Algoritmos de PSO para Previsão de Geração de Energia Elétrica em uma Usina Solar Fotovoltaica no Ceará
| dc.creator | Silva, Andre Wagner de Barros | |
| dc.creator | Bezerra, Erick Costa | |
| dc.creator | Leão, Ruth Pastôra Saraiva | |
| dc.creator | Cavalcante, Danielle Baltazar | |
| dc.creator | Sampaio, Raimundo Furtado | |
| dc.date.accessioned | 2023-04-28T19:41:36Z | |
| dc.date.available | 2023-04-28T19:41:36Z | |
| dc.date.submitted | 2022-11-09 | |
| dc.identifier.uri | http://repositorio.ufsm.br/handle/1/28881 | |
| dc.language | por | por |
| dc.relation.ispartof | VII Congresso Brasileiro de Geração Distribuída | por |
| dc.rights | Acesso Aberto | por |
| dc.rights | Attribution-ShareAlike 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-sa/4.0/ | * |
| dc.subject | Previsão | por |
| dc.subject | Rede neural | por |
| dc.subject | Geração Fotovoltaica | por |
| dc.subject | Modelo | por |
| dc.subject | PSO | por |
| dc.title | Aplicação de Rede Neural Artificial e Algoritmos de PSO para Previsão de Geração de Energia Elétrica em uma Usina Solar Fotovoltaica no Ceará | por |
| dc.type | Trabalho Publicado em Evento | por |
| dc.description.resumo | Tendo em vista a enorme inserção de geração fotovoltaica (FV) na matriz energética brasileira nos últimos anos e levando-se em conta o caráter intermitente deste tipo de geração, faz-se necessária a existencia de modelos de previsão de geração cada vez mais precisos, de modo a possibilitar um melhor planejamento da operação da planta FV bem como do sistema elétrico como um todo. Desta maneira, neste trabalho é realizada a previsão de geração de energia elétrica de uma usina solar fotovoltaica de 160 MW localizada no Ceará, a partir de um modelo de rede neural MLP com unidades de atraso , denominada rede FTDNN (Focused Time Delay Neural Network), aplicando-se diferentes técnicas de treinamento: backpropagation (BP), Particle Swarm Optimization (PSO) e duas variações do algoritmo PSO, quais sejam PSO-AWF e PSO caótico (CPSO). Foi utilizada uma série temporal com dados meteorológicos e de geração de energia com integração horária, contemplando o período de dois anos (junho de 2019 a junho de 2021). Para fins de comparação de desempenho, diferentes modelos além dos já citados foram aplicados aos dados, sendo eles MLP Regressor (MLPR), Decision Tree Regressor (DTR), Linear Regressor (LR) e Persistência. A performance dos modelos implementados foi avaliada utilizando-se métricas de erro e o modelo FTDNN com técnica de treinamento BP obteve o melhor resultado. | por |
| dc.publisher.country | Brasil | por |
| dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
Anais do 7° Congresso Brasileiro de Geração Distribuída (CBGD 2022) [8]
O Congresso Brasileiro de Geração Distribuída 2022 ocorreu nos dias 09 e 10 de novembro de 2022 em Belo Horizonte (MG).
Acordo de cooperação técnica número 23081.017513/2023-05.
Coordenador científico do CBGD 2022: Prof. Marcelo Langer (UFPR)
Responsável pela indexação dos artigos no repositório: Prof. Lucas Vizzotto Bellinaso (UFSM)
Revisão técnica: Equipe do Manancial Repositório - Biblioteca Central (UFSM)
Exceto quando indicado o contrário, a licença deste item é descrito como Acesso Aberto