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...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | Dissertação |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
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 |