INFLUÊNCIA DO PREDITOR ÍNDICE NIÑO OCEÂNICO (ONI) NA PREVISÃO DA IRRADIAÇÃO GLOBAL HORIZONTAL DE FORTALEZA EM DIFERENTES HORIZONTES TEMPORAIS UTILIZANDO MACHINE LEARNING

Resumo

A introdução da energia solar na rede elétrica vem aumentando anualmente, inclusive no Ceará. Nesse contexto, são suscitadas questões relativas à complementaridade de abastecimento, uma vez que a fonte solar é intermitente e variável com o tempo. O planejamento adequado pode ser facilitado pela previsão da irradiação utilizando métodos de aprendizagem de máquinas. O presente trabalho avaliou o desempenho de 3 modelos de previsão da irradiação global horizontal - rede neural, Boosting e modelo de persistência – para a cidade de Fortaleza, Ceará, em 8 horizontes temporais distintos, analisando a influência do El Niño e da La Niña, na forma do preditor ONI, nessas previsões. Utilizou-se, além do ONI, informações meteorológicas (temperatura ambiente, umidade relativa, velocidade do ar, direção do vento e nível de precipitação), dados de irradiação e hora e data da aquisição da informação. O banco de dados foi separado em 2 grupos, um de treinamento e outro de teste, bem como foi realizada uma seleção de parâmetros para a rede neural e para o Boosting. O cálculo da variabilidade dos dados de irradiação classificou esse preditor como de fraca variabilidade. Os resultados apontaram que houve redução do RMSE quando o preditor referente à intensidade do El Niño, ONI, foi adicionado, exceto para o horizonte de 2 min, o que indica que a adição do preditor melhorou o desempenho dos modelos de previsão. Notou-se também que o nRMSE cresceu conforme o horizonte temporal aumentava. O Boosting apresentou os menores erros dentre os modelos considerados, seus valores de nRMSE são compatíveis com aqueles encontrados na literatura, chegando a ser menor para um determinado horizonte de tempo. Para a rede neural, todavia, os nRMSE obtidos foram superiores aos encontrados em trabalhos já publicados.