Previsão de geração de energia fotovoltaica utilizando método de aprendizado de máquina
Abstract
Com o aumento da inserção de geração fotovoltaica juntamente com o crescimento de conexões junto a rede, diferentes métodos e algoritmos, capazes de prever esta geração em diversos horizontes vem sendo aplicados pelos pesquisadores. Dentre estes algoritmos destaca-se a massiva utilização do aprendizado de máquina através de redes neurais artificiais, devido a sua capacidade de lidar com elementos não lineares. O presente trabalho intenta em realizar uma previsão de geração fotovoltaica para a cidade de Garibaldi, RS, para um horizonte de seis meses a frente, por meio da modelagem de uma rede neural artificial. Os dados de entrada desta rede são compostos por conjuntos de dados históricos climáticos em complemento a um conjunto de dados históricos de geração solar fotovoltaica que serão usados como alvos. A classificação das variáveis de entrada é realizada através da regressão stepwise, que elenca as variáveis com maior relação com a resposta. A modelagem conta com o auxílio do software numérico Matlab, para a construção do algoritmo e a classificação dos dados. Para o
treinamento desta rede neural artificial é empregado o método de aprendizado supervisionado de retropropagação do erro, utilizando a função de treinamento bayesian regularization, visando reduzir o erro da previsão. A rede neural artificial exibiu um bom desempenho, atingindo um MAPE de 12,97 %. Também neste contexto são apresentadas as comparações de
desempenho das redes neurais para diferentes horizontes, com resultados alcançados estando de acordo com os encontrados na bibliografia (sic).