PREVISÃO DA ENERGIA SOLAR DIÁRIA BASEADA NO RECONHECIMENTO DE PADRÕES DA SÉRIE TEMPORAL DA RADIAÇÃO HORIZONTAL ATRAVÉS DA TRANSFORMADA DE WAVELET E REDES NEURAIS ARTIFICIAIS
DOI:
https://doi.org/10.59627/cbens.2010.1702Palavras-chave:
Previsão da Energia Solar, redes neurais artificiais, transformada de waveletResumo
A utilização de previsões de energia solar com baixas incertezas é particularmente importante para desenvolver sistemas inteligentes de aquecimento solar que são integrados em um sistema de gerenciamento de demanda com objetivo de reduzir em grande proporção a carga máxima do sistema de energia elétrica no setor residencial. Essa potência demandada por chuveiros elétricos pode ser reduzida com o pré-aquecimento inteligente do reservatório térmico que é baseada na previsão da radiação solar. Esse pré-aquecimento elétrico ocorre nas horas da madrugada, quando a tarifa de energia elétrica é baixa no contexto de mercado regulado por consequência da menor demanda. Como esta proposta apresenta múltiplos benefícios econômicos, o uso do aquecimento solar na área residencial pode se tornar economicamente viável em grande escala. Um dos benefícios economicamente destacável é representado pela redução do consumo dos chuveiros elétricos no horário da maior demanda no sistema elétrico. No presente trabalho é desenvolvido um novo método para a previsão do total diário da radiação solar incidente em superfície horizontal com horizonte de previsão de 24h. É pressuposto que o comportamento da cobertura de nuvens de dias anteriores possui informações importantes, as quais podem ser utilizadas para a previsão da radiação solar. A Transformada Discreta de Wavelet (TDW) é utilizada para melhorar o reconhecimento de padrões referentes ao comportamento da radiação. Pela decomposição TDW são obtidas para cada horário um valor que corresponde à energia da radiação solar e diferentes valores que correspondem às variações em diferentes bandas de frequência da radiação solar. A Regressão Linear de Múltiplas variáveis (RLM) é utilizada para selecionar aquelas variáveis de entrada do modelo que possuem a maior significância estatística e o melhoramento do desempenho de previsão é verificado com o uso de uma Rede Neural Artificial (RNA).
Downloads
Referências
Addison P.S, 2002. The illustrated wavelet transform handbook - Introductory theory and applications in science, engineering, medicine, and finance, Institute of physics publishing Bristol and Philadelphia, 362 p.
Cao S., Cao J., 2004. Forecast of solar irradiance using recurrent neural networks combined with wavelet analysis, Journal of Applied Thermal Engineering pp. 161-172,
Donaldson K.G., Kamstra M., 1999. Neural network forecast combining with interaction effects, Journal of the Franklin Institute - Pergamon,. 10p.
Daubechies, I., 1992., Ten lectures on wavelets. In: CBMS – NSF Regional Conferences Series in Applied Mathematics SIAM, Philadelphia, 1992, 343 p.
Girodo M., 2006. Solarstrahlungsvorhersage auf der Basis numerischer Wettermodelle, Ph. D Thesis, University of Oldenburg Germany, Faculty of Mathematics and Natural Sciences, Energy and Semiconductor Research Laboratory, 2006, 159 p.
Guarnieri, R. A., 2006. Emprego de Redes Neurais Artificiais e Regressão Linear Múltipla no Refinamento das Previsões de Radiação Solar do Modelo Eta, Dissertação de Mestrado, CPTEC, INPE, São José dos Campos (SP).
Haykin S., 1999. Neural networks – A comprehensive foundation, Prentice Hall, Second Edition, Mc. Master University, Hamilton, Ontario – Canada, , 823 p.
Hocaoglu F.O, Gerek. Ö. N., Kurban M. 2008. Hourly solar radiation forecasting using optimal coefficient 2-D linear filters and feed-forward neural networks, Solar Energy 82, pp.714–726
Kalogirou S. A. 2001. Artificial neural networks in renewable energy systems applications: a review, Renewable and Sustainable Energy Reviews 5 , pp. 373–401
Lorenz, E. 2004. Methoden zur Beschr eibung der Wolkenentwicklung in Satellitenbildern und ihre Anwendung zur Solarstrahlungsvorhersage, Ph.D. thesis, Carl von Ossietzky University, Faculty of Mathematics and Natural Sciences: Oldenburg, Germany, 111 p.
Foresee, F.D., Hagan, M.T., 1997 Gauss-Newton approximation to Bayesian regularization, Proceedings of International Joint Conference on Neural Networks, Nagoya, Japan
Mellit A., Kalogirou S.A. 2008. Artificial intelligence techniques for photovoltaic applications: A review, J., Progress in Energy and Combustion Science, 59 p.
Mellit A., Pavan A.M. 2010. A 24-h forecast of solar irradiance using artificial neural network: Application for performance prediction of a grid-connected PV plant at Trieste, Italy, Solar Energy 84, pp. 807–821
Moreira J.G.S., 1985. Energia solar no Brasil – O uso de coletores planos para o aquecimento de água, Rio de Janeiro, UFRJ, Dissertação de mestrado
Nanavati S.P. e Panigrahi P.K., 2004. Wavelet transform: A new mathematical microscope Editora Springer India, Journal Resonance, Volume 9, Nr. 3 /,15p. http://www.springerlink.com/content/3937325u2mt1kk50/
Oliva G.A., Borges T.P.F., Martins G., Desenvolvimento de tecnologia de pré-aquecedor solar de água para chuveiros elétrica reduzida. Anais do XII Seminário Nacional da Distribuição de Energia Elétrica. Recife, 16 a 21 de Outubro de 1994.
Kratzenberg M.G. 2008. Correção estatística a base da transformada wavelet para previsão de energia solar através de modelo numérico meteorológico, Exame de qualificação, Universidade federal de Santa Catarina
MacKay DJC. A practical Bayesian framework for backpropagation networks. Neural Comput. 1992; 4: 448–472.
Özesmi S.L., Tan C.O., Özesmi U., 2006. Methodological issues in building, training, and testing artificial neural networks in ecological applications, Ecological Modelling 1 9 5 , pp. 83–93
Plump A.P., Rowe R.C., York P., Brown M., 2005. Optimisation of the predictive ability of artificial neural network (ANN) models: A comparison of three ANN programs and four classes of training algorithm, European Journal of Pharmaceutical Sciences 25, pp. 395–405
Salazar J. P.L.C., 2004. Economia de energia e redução do pico da curva de demanda para consumidores de baixa renda por agregação de energia solar térmica, Dissertação, Universidade Federal de Santa Catarina, Departamento de Engenharia Mecânica,
Von Bremen, L., Lisbôa, L. R., Haas, R.; Araujo, F. F. V.; Maciel, C.; Abreu, S. L.; Colle, S., 2006. Local short-term forecasting for wind power plants in Brazil. In: 8th German Wind Energy Conference - DEWEK, Bremen.
World Meteorological Organization (2004), World Climate Research Programme - Baseline Surface Radiation Network - Operations Manual, Version 2.1, 188p.