FenixEdu™

Dissertação

Photovoltaic production forecast at medium voltage distribution networks EVALUATED

Detalhes: Esta tese aborda a necessidade crítica de uma previsão solar precisa a curto prazo em Portugal, impulsionada pela crescente adoção da energia solar e pela variabilidade inerente de produção de energia solar. Uma previsão exata é crucial para uma gestão eficiente da rede e para a integração da energia solar na infraestrutura energética existente. As abordagens de aprendizagem automática existentes carecem da integração de modelos físicos e de uma optimização eficiente, o que este trabalho pretende colmatar. O estudo centra-se em 10 subestações em Portugal, utilizando 2 anos de dados treinados com XGBoost, TabNet e redes neuronais. Um modelo físico é integrado, destinado a aperfeiçoar os valores previstos pelo modelo, incorporando a previsão de irradiação e temperatura. O Optuna é utilizado para a optimização do modelo, fornecendo os parâmetros de pesquisa para cada algoritmo. O pré-processamento é integrado para aumentar a precisão do modelo, envolvendo técnicas que avaliam o impacto para cada característica. Na estrutura proposta, o XGBoost demonstra um desempenho superior e um tempo de processamento mais rápido, com um aumento médio de 14% desde a previsão de referência com baixo processamento de dados até uma abordagem que levou em consideração todo o pré-processamento. O trabalho alcançou no final RRMSE médio de 0,1190 kW, um resultado satisfatório considerando as limitações e restrições de tempo. A utilização de um modelo físico não teve o desempenho esperado, valendo a pena explorar no futuro com dados de outros institutos para ver o seu potencial quando conjugado com novos algoritmos.
Keywords: Previsão de geração fotovoltaica, Aprendizagem automática, Reforço por gradiente extremo, Redes de distribuição em média tensão, Modelos físicos fotovoltaicos

Discussão: julho 7, 2023, 11:30