GESTÃO DA ESTIMATIVA DE DISPONIBILIDADE DE ENERGIA SOLAR UTILIZANDO MODELOS DE APRENDIZADO DE MÁQUINA
Palavras-chave:
gestão, disponibilidade, energia solar, estimativa, apredndizado por maquinaResumo
Devido a factores de diversa natureza a energia a sua chegada a superficie da terra pode apresentar-se intermitende, propiciando um obstaculo para os eu aproveitamento. Motivada pela necessidade de maior rentabilização de energai solar, primordialmente para produção de energia fotovoltaica. Foi feito a gestão da estimativa de disponibilidade de energia solar em curta escala de medição, para conhecer o real comportamento da energia solar, na localidade de Pomene. Foi colhido a energia solar no ano de 2014, durante 12 mêses, com perio de diario e intervalo de medição de 10 minutos. Usando os modelos de aprendizado por maquina nomeadmente random forest, regressive kriking, e artificial neutral networks foi predita a energia solar. A gestão da energhai predita mostra a predominância de dias de sol pleno com classificação de intermediário, e claro, potência do ar existência de energia para aproveitamento, ademais concluiu-se que o modelo random forest apresenta menor erro de predição da potência com os modelos de APM para maior análise e mais eficiência de produção energética.
Downloads
Referências
A Machine Learning Technique for Spatial Interpolation of Solar Radiation Observations. ([s.d.]). Recuperado 22 de março de 2024, de https://agupubs.onlinelibrary.wiley.com/doi/epdf/10.1029/2020EA001527
Mucomole, F. V., Silva, C. A. S., & Magaia, L. L. (2023). Temporal Variability of Solar Energy Availability in the Conditions of the Southern Region of Mozambique. American Journal of Energy and Natural Resources, 2(1), Artigo 1. https://doi.org/10.54536/ajenr.v2i1.1311
Mucomole, F. V., Silva, C. S. A., & Magaia, L. L. (2024). Quantifying the Variability of Solar Energy Fluctuations at High–Frequencies through Short-Scale Measurements in the East–Channel of Mozambique Conditions. American Journal of Energy and Natural Resources, 3(1), Artigo 1. https://doi.org/10.54536/ajenr.v3i1.2569
Puga-Gil, D., Astray, G., Barreiro, E., Gálvez, J. F., & Mejuto, J. C. (2022). Global Solar Irradiation Modelling and Prediction Using Machine Learning Models for Their Potential Use in Renewable Energy Applications.
Mathematics, 10(24), Artigo 24. https://doi.org/10.3390/math10244746
Sridharan, M. (2023). Generalized Regression Neural Network Model Based Estimation of Global Solar Energy Using Meteorological Parameters. Annals of Data Science, 10(4), 1107–1125. https://doi.org/10.1007/s40745-020-00319-4
