Modelos para Previsão de Potência Gerada e Identificação de Falha em Painéis Fotovoltaicos
| dc.contributor.advisor1 | Paiva, Marcia Helena Moreira | |
| dc.contributor.advisor1ID | https://orcid.org/0000-0002-7314-6129 | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8026444214173343 | |
| dc.contributor.author | Vidigal, Bruna Rodrigues | |
| dc.contributor.referee1 | Medina, Augusto Cesar Rueda | |
| dc.contributor.referee2 | Filho, Jugurta Rosa Montalvao | |
| dc.date.accessioned | 2024-05-30T01:41:03Z | |
| dc.date.available | 2024-05-30T01:41:03Z | |
| dc.date.issued | 2022-12-15 | |
| dc.description.abstract | Solar energy is a promising alternative to meet the world’s growing energy demands. A photovoltaic system that has data storage technology allows the creation of a methodology for monitoring its operation, in order to reduce energy losses and maintenance costs. In this study, a technique is proposed using a hybrid model of graph convolutional neural network and recurrent neural networks with the objective to forecast the generated power of system. The model adjustment was performed and compared with models from previous studies. The developed one presented a result about 96% better than the other models, showing that considering the temporal and topological structure of the system is very relevant in the performance analysis. | |
| dc.description.resumo | A energia solar é uma alternativa promissora para atender às crescentes demandas energéticas do mundo. Um sistema fotovoltaico que possui tecnologia de armazenamento de dados de medição de carga elétrica (como potência, corrente e tensão), permite a criação de metodologias para monitorar e prever seu funcionamento, de modo a reduzir a perda de energia e o custo de manutenção. Neste trabalho, uma técnica utilizando um modelo hibrído de rede neural convolucional de grafos e redes neurais recorrentes é proposta com o objetivo de prever a potência gerada de um sistema fotovoltaico. Além disso, um modelo de classificação utilizando redes neurais multicamadas foi avaliado para detecção de falha do sistema com base na avaliação do sistema de monitoramento da usina. O ajuste do modelo hibrído considerando a estrutura temporal e topológica dos dados foi realizado e comparado com modelos de estudos anteriores. O modelo desenvolvido apresentou um resultado 96% melhor que outros modelos usados para comparação, mostrando que considerar a estrutura temporal e topológica do sistema é muito relevante na análise de desempenho. O desempenho do modelo classificador foi análogo ao desempenho do modelo hibrído, porém a ordem cronológica e a informação topológica dos dados foi desconsiderada na construção do modelo classificador. | |
| dc.format | Text | |
| dc.identifier.uri | https://dspace5.ufes.br/handle/10/16493 | |
| dc.language | por | |
| dc.publisher | Universidade Federal do Espírito Santo | |
| dc.publisher.country | BR | |
| dc.publisher.course | Mestrado em Engenharia Elétrica | |
| dc.publisher.department | Centro Tecnológico | |
| dc.publisher.initials | UFES | |
| dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | |
| dc.rights | open access | |
| dc.subject | Sistemas Fotovoltaicos | |
| dc.subject | Previsões | |
| dc.subject | Grafos | |
| dc.subject | Convolução | |
| dc.subject | Rede Neural | |
| dc.subject | Classificação | |
| dc.subject.br-rjbn | subject.br-rjbn | |
| dc.subject.cnpq | Engenharia Elétrica | |
| dc.title | Modelos para Previsão de Potência Gerada e Identificação de Falha em Painéis Fotovoltaicos | |
| dc.title.alternative | title.alternative | |
| dc.type | masterThesis |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- BrunaRodriguesVidigal-2022-dissertacao.pdf.pdf
- Tamanho:
- 8.32 MB
- Formato:
- Adobe Portable Document Format
