Modelos para Previsão de Potência Gerada e Identificação de Falha em Painéis Fotovoltaicos

dc.contributor.advisor1Paiva, Marcia Helena Moreira
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-7314-6129
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8026444214173343
dc.contributor.authorVidigal, Bruna Rodrigues
dc.contributor.referee1Medina, Augusto Cesar Rueda
dc.contributor.referee2Filho, Jugurta Rosa Montalvao
dc.date.accessioned2024-05-30T01:41:03Z
dc.date.available2024-05-30T01:41:03Z
dc.date.issued2022-12-15
dc.description.abstractSolar 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.resumoA 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.formatText
dc.identifier.urihttps://dspace5.ufes.br/handle/10/16493
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.subjectSistemas Fotovoltaicos
dc.subjectPrevisões
dc.subjectGrafos
dc.subjectConvolução
dc.subjectRede Neural
dc.subjectClassificação
dc.subject.br-rjbnsubject.br-rjbn
dc.subject.cnpqEngenharia Elétrica
dc.titleModelos para Previsão de Potência Gerada e Identificação de Falha em Painéis Fotovoltaicos
dc.title.alternativetitle.alternative
dc.typemasterThesis

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
BrunaRodriguesVidigal-2022-dissertacao.pdf.pdf
Tamanho:
8.32 MB
Formato:
Adobe Portable Document Format