Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN

The current dissertation is centered on the forecasting of Overirradiance within intervals of up to five minutes, achieved through the utilization of machine learning methodologies. Overirradiance, a phenomenon characterized by solar irradiance surpassing anticipated values under clear-sky condition...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Fernandes, Arthur Diniz Flor Torquato
Outros Autores: Dória Neto, Adrião Duarte
Formato: Dissertação
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Aprendizado de máquina
Inteligência artificial
Energia solar
Sobreirradiância
Random forest
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Endereço do item:https://repositorio.ufrn.br/handle/123456789/55192
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-55192
record_format dspace
spelling ri-123456789-551922023-11-07T20:19:16Z Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN Fernandes, Arthur Diniz Flor Torquato Dória Neto, Adrião Duarte http://lattes.cnpq.br/3049525197244902 https://orcid.org/0000-0002-5445-7327 http://lattes.cnpq.br/1987295209521433 Martins, Daniel Lopes http://lattes.cnpq.br/2947003499946183 Gendriz, Ignacio Sanchez Emiliavaca, Samira de Azevedo Santos Aprendizado de máquina Inteligência artificial Energia solar Sobreirradiância Random forest CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA The current dissertation is centered on the forecasting of Overirradiance within intervals of up to five minutes, achieved through the utilization of machine learning methodologies. Overirradiance, a phenomenon characterized by solar irradiance surpassing anticipated values under clear-sky conditions at the Earth’s surface, has generated scholarly interest within the sphere of solar energy research and its implications for photovoltaic power generation systems. To date, no dedicated studies investigating the application of Machine Learning techniques for forecasting this phenomenon have been identified. In pursuit of this aim, the performance of four distinct machine learning algorithms has been meticulously examined: Random Forest, Support Vector Machines (SVM), Multilayer Perceptron (MLP), and Long Short-Term Memory (LSTM) neural networks. The present study endeavors to bridge a lacuna in research by scrutinizing the feasibility and efficacy of these algorithms in predicting Overirradiance events, thereby augmenting the comprehension and pragmatic application of this phenomenon within solar energy systems. Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq A Sobreirradiância, um fenômeno no qual a irradiância solar observada na superfície terrestre excede as expectativas para um cenário de céu limpo, tem suscitado interesse em estudos relacionados à energia solar e ao seu impacto em sistemas de geração fotovoltaica. Até o momento desta pesquisa, não foram identificados estudos dedicados à utilização de técnicas de Aprendizado de Máquina para prever esse fenômeno. Desta forma o presente trabalho de dissertação tem como foco a previsão da Sobreirradiância em intervalos de até cinco minutos, por meio da aplicação de técnicas de aprendizado de máquina. O âmago deste estudo reside na previsão da ocorrência da Sobreirradiância. Para atingir esse propósito, o desempenho de quatro algoritmos de aprendizado de máquina distintos foi minuciosamente avaliado: Random Forest, SVM (Máquinas de Vetores de Suporte), MLP (Rede Perceptron de Múltiplas Camadas) e LSTM (Redes Neurais Long Short-Term Memory). Para medir a performance dos algoritmos se utilizou os indicadores de Acurácia, Recall, Precisão e F1. Os resultados obtidos demonstram que os modelos foram capazes de prever o fenômeno de Sobreirradiância com acurácias que variam de 70% a 80% com o modelo de Random Forest apresentando os valores mais elevados de performance. Além disso foi feita uma análise de importância das variáveis a partir da Mean Decrease in Impurity, mostrando que a Irradiância Difusa é a variável mais significativa para a detecção da Sobreirradiância. 2023-11-07T20:18:33Z 2023-11-07T20:18:33Z 2023-09-22 masterThesis FERNANDES, Arthur Diniz Flor Torquato. Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN. Orientador: Dr. Adrião Duarte Dória Neto. 2023. 78f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2023. https://repositorio.ufrn.br/handle/123456789/55192 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Aprendizado de máquina
Inteligência artificial
Energia solar
Sobreirradiância
Random forest
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle Aprendizado de máquina
Inteligência artificial
Energia solar
Sobreirradiância
Random forest
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Fernandes, Arthur Diniz Flor Torquato
Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN
description The current dissertation is centered on the forecasting of Overirradiance within intervals of up to five minutes, achieved through the utilization of machine learning methodologies. Overirradiance, a phenomenon characterized by solar irradiance surpassing anticipated values under clear-sky conditions at the Earth’s surface, has generated scholarly interest within the sphere of solar energy research and its implications for photovoltaic power generation systems. To date, no dedicated studies investigating the application of Machine Learning techniques for forecasting this phenomenon have been identified. In pursuit of this aim, the performance of four distinct machine learning algorithms has been meticulously examined: Random Forest, Support Vector Machines (SVM), Multilayer Perceptron (MLP), and Long Short-Term Memory (LSTM) neural networks. The present study endeavors to bridge a lacuna in research by scrutinizing the feasibility and efficacy of these algorithms in predicting Overirradiance events, thereby augmenting the comprehension and pragmatic application of this phenomenon within solar energy systems.
author2 Dória Neto, Adrião Duarte
author_facet Dória Neto, Adrião Duarte
Fernandes, Arthur Diniz Flor Torquato
format masterThesis
author Fernandes, Arthur Diniz Flor Torquato
author_sort Fernandes, Arthur Diniz Flor Torquato
title Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN
title_short Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN
title_full Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN
title_fullStr Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN
title_full_unstemmed Técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em Natal-RN
title_sort técnicas de aprendizado de máquina para a predição de eventos extremos de sobreirradiância em natal-rn
publisher Universidade Federal do Rio Grande do Norte
publishDate 2023
url https://repositorio.ufrn.br/handle/123456789/55192
work_keys_str_mv AT fernandesarthurdinizflortorquato tecnicasdeaprendizadodemaquinaparaapredicaodeeventosextremosdesobreirradianciaemnatalrn
_version_ 1781992020033667072

Registros relacionados