Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/13944
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
lucaspereiraverneckdasilva.pdf14.31 MBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Dissertação
Título: Desenvolvimento de um modelo para a estimação da carga de radiação solar com base em variáveis climáticas
Autor(es): Silva, Lucas Pereira Verneck da
Primeiro Orientador: Fonseca, Leonardo Goliatt da
Membro da banca: Campos, Luciana Conceição Dias
Membro da banca: Christo, Eliane da Silva
Resumo: Dados relacionados à incidência de radiação solar (RS) em uma determinada região desempenham um papel crucial no projeto, modelagem e na operação de sistemas de conversão de energia solar. Além disso, este tipo de informação ajuda nas futuras políticas governamentais de investimento em energia. Contribui para inúmeras outras áreas de estudo e diversas aplicações, como na criação de chaminés térmicas, análise de conforto térmico em edifícios, modelos de crescimento de safras, entre outros. Porém, esses dados não são medidos para todas as regiões devido à falta de equipamentos adequados para a medição da RS nas estações meteorológicas e também aos custos envolvidos na atividade. Embora diferentes métodos alternativos para obtenção da RS tenham sido propostos e utilizados na literatura, ultimamente, a maioria das pesquisas tem focado seus esforços na exploração e utilização de algoritmos de aprendizado de máquina para resolver o problema. Seguindo essa linha, o presente trabalho avalia a aplicação de uma regressão linear com fator de regularização do tipo L2 combinado com uma estratégia de expansão dos dados de entrada para estimar a intensidade da radiação solar diária incidente. O ajuste e avaliação dos modelos são realizados em oito conjuntos de dados diferentes contendo variáveis climáticas facilmente acessíveis pelas estações meteorológicas. Cada conjunto refere-se à uma região diferente, distribuídas ao longo do território da Burkina Faso, país localizado na África subsariana. Para a seleção dos parâmetros do método, o algoritmo de busca exaustiva foi aplicado para encontrar o conjunto de hiperparâmetros que reforçam as capacidades preditivas dos modelos. A avaliação e comparação entre os modelos são realizadas de acordo com a raiz quadrada do erro-médio, erro médio absoluto, coeficiente de determinação e a variação contabilizada. Os resultados obtidos validam a estratégia adotada pelo trabalho, evidenciando o impacto positivo no modelo gerado pela inclusão do termo de regularização. Os experimentos sugerem um melhor desempenho em relação aos valores encontrados na literatura produzidos por modelos de maior complexidade, apresentando redução nos valores de erro em até 50% para algumas estações.
Abstract: Data related to solar radiation (SR) incidence in a given region play a crucial role in the design, modeling, and operation of solar energy conversion systems. Also, this type of information helps in future energy investment policies governments. It contributes to numerous other areas of study and several applications, such as creating thermal chimneys, thermal comfort analysis in buildings, crop growth models, and others. However, these data are not measured for all regions due to the lack of appropriate equipment for the measurement of SR in meteorological stations and the costs involved in the activity. Although different alternative methods for obtaining SR have been proposed and used in the literature, lately, most research has focused its efforts on exploring and using machine learning algorithms to address the problem. Following this line, the present work evaluates applying a linear regression with a regularization factor of type L2 combined with an expansion strategy of the input data to estimate the intensity of incident daily solar radiation. The models’ adjustment and evaluation are performed on eight different datasets containing climatic variables easily accessible by the weather stations. Each set refers to the other region distributed throughout Burkina Faso, a country located in Sub-Saharan Africa. For the selection of method parameters, the exhaustive search algorithm was applied to find the set of hyperparameters that reinforce the models’ predictive capabilities. The evaluation and comparison between the models are performed according to root mean square error, mean absolute error, coefficient of determination and variance accounted for. The results obtained validate the work’s strategy, showing the positive impact on the model generated by the inclusion of the regularization term. The experiments suggest a better performance compared to the values found in the literature produced by models with greater complexity, showing a reduction in the error values up to 50% for some stations.
Palavras-chave: Energia solar
Radiação solar
Energia fotovoltaica
Estimação
Solar energy
Solar radiation
Photovoltaic energy
Estimation
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Modelagem Computacional
Tipo de Acesso: Acesso Aberto
Attribution-ShareAlike 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-sa/3.0/br/
DOI: https://doi.org/10.34019/ufjf/di/2021/00409
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/13944
Data do documento: 16-Dez-2021
Aparece nas coleções:Mestrado em Modelagem Computacional (Dissertações)



Este item está licenciado sob uma Licença Creative Commons Creative Commons