FenixEdu™

Dissertação

{pt_PT=Solar generation forecast from the perspective of a DSO} {} EVALUATED

Detalhes: {pt=A integração das energias renováveis no sistema elétrico está a ganhar atenção durante os últimos anos. A necessidade de encontrar uma alternativa ecológica aos combustíveis fosseis está a aumentar, e se queremos preservar o planeta Terra devemos agir o mais célere possível. Há várias formas de auxiliar a integração das renováveis. A utilização de técnicas de inteligência artificial (AI) permitem a realização de previsões, o que ajuda as companhias elétricas a evitar pagamentos de multas desnecessárias, por exemplo. Neste trabalho vai ser comparado o desempenho de quatro técnicas de IA: redes neuronais artificiais (ANN), redes neuro-fuzzy adaptativas (ANFIS), florestas aleatórias e o método dos k-vizinhos mais próximos (kNN) na tarefa de prever a potência solar de saída de um painel fotovoltaico. Este procedimento consistirá na implementação desses quatro métodos em três dias com diferentes condições meteorológicas (dia de sol, dia parcialmente nublado e dia nublado), no software RStudio. Depois de ser feita uma previsão da potência solar fotovoltaica para um dia de avanço, o objetivo é concluir sobre o impacto causado pela nebulosidade e determinar qual o algoritmo com melhor desempenho, incluindo o cálculo do erro médio e medindo o tempo da simulação. No final, o kNN foi superior nos três testes realizados. Uma comparação geral entre todas as simulações vai ser feita., en=The integration of renewable energy into the power system is getting more attention during the last years. The need to find an ecologic alternative to fossil fuels is increasing, and if one wants to preserve the planet Earth one should act as fast as possible. There are several ways of assisting the integration of renewables. The use of artificial intelligence techniques allows the accomplishment of forecasts, what aids the electrical companies to avoid unnecessary penalty payments in the market, for instance. In this work, it will be compared the performance of four AI techniques: artificial neural networks (ANN), adaptive neuro-fuzzy inference systems (ANFIS), random forests (RF) and k-nearest neighbors (kNN) in the task of predicting solar PV power output. The procedure will consist in the implementation of these four methods for three days with different meteorological conditions (a sunny day, a partly cloudy day and a cloudy day), in the RStudio software. After making a one-day-ahead solar PV power forecast, the goal is to conclude about the impact caused by cloudiness and to determine the algorithm with the best performance, including the computation of the mean average percentage error (MAPE) and measuring the simulation time. In the end, kNN clearly outperformed the other techniques for the three tests that were made. A global comparison between all the simulations is made.}
Keywords: {pt=Previsão de potência solar fotovoltaica, inteligência artificial, ANN, ANFIS, floresta aleatória, kNN, en=Solar PV power forecast, artificial intelligence, ANN, ANFIS, random forest, kNN}

Discussão: novembro 16, 2017, 15:30