Estimativa de Irradiância Direta Normal Utilizando Redes Neurais Artificiais
DOI:
https://doi.org/10.59627/cbens.2020.745Palavras-chave:
Energia Solar, Modelo de Decomposição, Redes Neurais Artificiais.Resumo
Modelos de decomposição da irradiância global horizontal em suas componentes difusa e direta são amplamente utilizados para situações em que não se têm medições locais, tornando-se uma alternativa barata para a estimativa de geração de energia de uma usina fotovoltaica. O presente trabalho buscou desenvolver e avaliar uma metodologia de estimação de irradiância direta normal a partir de medições da componente global horizontal utilizando o método das redes neurais artificiais. Diversas configurações de rede foram analisadas, variando-se os parâmetros de entrada e a estrutura da rede. Para a validação do modelo proposto, foram escolhidos dois locais para serem analisados, calculando-se o erro médio anual e raiz do erro quadrático médio da componente estimada e comparando com os resultados de outros modelos de decomposição (ERBS, DISC e DIRINT). Os erros obtidos com a metodologia proposta foram em geral mais baixos que os modelos de comparação, indicando uma alternativa mais acurada para a estimativa da irradiância direta normal. Por fim, os dados estimados de todos os modelos foram inseridos no software PVsyst para a realização da modelagem energética. Notou-se que os modelos propostos de rede neural artificial resultaram em desvios absolutos de produção específica de energia menores que 1%, enquanto para os outros modelos, em geral, ficaram acima deste valor.Downloads
Não há dados estatísticos.
Downloads
Publicado
2020-11-27
Como Citar
Fujise, J., & Konrad Blatt, A. (2020). Estimativa de Irradiância Direta Normal Utilizando Redes Neurais Artificiais. Anais Congresso Brasileiro De Energia Solar - CBENS. https://doi.org/10.59627/cbens.2020.745
Edição
Seção
Radiação Solar - Recursos Solares e Meteorologia da Radiação Solar