Banca de DEFESA: ANTÔNIO FABRÍCIO GUIMARÃES DE SOUSA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANTÔNIO FABRÍCIO GUIMARÃES DE SOUSA
DATA : 12/02/2019
HORA: 08:30
LOCAL: Auditório NTB - PROPPIT
TÍTULO:

REDES NEURAIS ARTIFICIAIS E INTERVALOS DE PREDIÇÃO
PARA PREVISÃO DE IRRADIÂNCIA SOLAR

PALAVRAS-CHAVES:

Energia solar, Previsão de irradiância solar, Redes Neurais Artificiais,
Particle Swarm Optimization, Intervalos de Predição.

PÁGINAS: 67
RESUMO:

A energia solar é uma fonte limpa e renovável com um importante papel no fornecimento de
energia no mundo. Um preciso conhecimento sobre previsões de irradiância solar é
particularmente necessário para o desenvolvimento e planejamento adequado de sistemas de
energia fotovoltaica. O presente trabalho tem como objetivo implementar algoritmos para
prever com precisão a irradiância solar, tanto na forma convencional de previsões pontuais
por meio de Redes Neurais Artificiais (RNAs), quanto em resultados de Intervalos de
Predição (IPs), proporcionando uma comparação mais aprofundada entre estes, com o intuito
de obter a melhor previsão. Esses algoritmos são baseados nos modelos: a rede Perceptrons de
Mútiplas Camadas ou Multilayer Perceptron (MLP), a rede neural de Elman (ELMAN), a
rede Auto-Regressiva Não-Linear ou Nonlinear Auto-Regressive network (NAR), a rede
Auto-Regressiva Não-Linear com Entradas Exógenas ou Nonlinear Auto-Regressive network
with exogenous inputs (NARX) e no método Lower Upper Bound Estimation (LUBE), este
último treinado pelo algoritmo Particle Swarm Optimization (PSO) para estimativa de IPs.
Dados meteorológicos coletados em uma estação na região amazônica, no Brasil, foram
utilizados para treinar e validar os modelos. Os resultados demonstraram que todos os
modelos de RNA apresentaram boa acurácia em termos de erros de predição, com resultados
inferiores a 10% para as métricas normalized root mean square error (nRMSE) e normalized
mean absolute error (NMAE), e superior a 0,90 para coeficiente de determinação (R²), em 7
de 9 modelos de previsão. E o cenário relacionado ao tamanho médio do intervalo obtido na
previsão do IP também apresentou resultados confiáveis, semelhantes aos modelos de RNA,
sem diferenças significativas entre eles, segundo testes estatísticos. Os IPs criados alcançaram
a Probabilidade de Cobertura ou Coverage Probability (CP) superior a 94% e um tamanho do
intervalo relativamente pequeno, de 32.5%, em relação tanto aos dados reais, quanto em
relação aos resultados pontuais previstos pelos outros modelos de RNA, em que IPs permite
obter simultaneamente diferentes cenários de predição da irradiância solar em uma única vez.
Os resultados demonstrados indicam que a estimativa de IPs pelo método PSO-LUBE é
bastante eficiente na previsão de irradiância solar e provou ser uma ferramenta poderosa para
ser usada em projetos de sistemas fotovoltaicos.

MEMBROS DA BANCA:
Presidente - 1963026 - ANDERSON ALVARENGA DE MOURA MENESES
Externo ao Programa - 1646831 - FABIO MANOEL FRANCA LOBATO
Externo ao Programa - 1917410 - JOSE ROBERTO BRANCO RAMOS FILHO
Externo ao Programa - 1835583 - RODOLFO MADURO ALMEIDA