Dissertação

Modelos de desempenho de módulos fotovoltaicos baseados em dados medidos EVALUATED

A crescente penetração de produção fotovoltaica na rede necessita de uma integração eficiente a nível técnico e económico com o sistema elétrico. Devido à variabilidade do recurso solar, um dos maiores desafios para a integração bem sucedida de sistemas fotovoltaicos é a capacidade de prever com precisão a potência produzida para diferentes condições do céu. Este trabalho explora a aplicação de algoritmos de Inteligência Artificial (IA), nomeadamente Redes Neuronais Artificiais (ANN) e Sistemas Difusos Neuro Adaptáveis (ANFIS) para a previsão de potência PV para condições de céu limpo e nublado, considerando resoluções temporais de 1 e 10 minutos, utilizando dados pertencentes a três módulos PV. Os dados consistem em cinco dias de céu limpo e cinco dias de céu parcialmente nublado. Vários conjuntos de variáveis são usados como entradas: irradiância global, irradiância global e a temperatura das células PV, e irradiância global e potência de instantes passados. Do conjunto de dados, quatro dias são para treino das redes e um quinto dia para teste, para cada condição de céu. Para avaliar o desempenho das rede emprega-se o erro absoluto médio percentual (MAPE). Ambas as redes tiveram resultados aceitáveis. Os melhores resultados obtiveram-se com o conjunto de entrada composto por irradiância global e potência. O desempenho da ANN foi superior para céu limpo com resolução de 1 minuto e para céu nublado com resolução de 10 minutos, enquanto que a ANFIS obteve os menores erros para céu nublado e limpo para as resoluções de 1 e 10 minutos, respetivamente.
fotovoltaico, potência PV, previsão, redes neuronais artificiais, sistemas difusos neuro adaptáveis

Novembro 8, 2018, 11:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Rui Manuel Gameiro de Castro

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar