Use este identificador para citar ou linkar para este item:
https://repositorio.ufpa.br/jspui/handle/2011/16656
Tipo: | Dissertação |
Data do documento: | 26-Out-2023 |
Autor(es): | MONTEIRO, Diego Ramiro Melo |
Afiliação do(s) Autor(es): | TCE - Tribunal de Contas do Estado do Pará |
Primeiro(a) Orientador(a): | CASTRO, Adriana Rosa Garcez |
Título: | Previsão de geração de energia fotovoltaica utilizando transformação de séries temporais em imagens e redes neurais convolucionais bidimensionais |
Citar como: | MONTEIRO, Diego Ramiro Melo. Previsão de geração de energia fotovoltaica utilizando transformação de séries temporais em imagens e redes neurais convolucionais bidimensionais. Orientadora: Adriana Rosa Garcez Castro. 2023. 79 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2023. Disponível em:https://repositorio.ufpa.br/jspui/handle/2011/16656 . Acesso em:. |
Resumo: | Este trabalho apresenta uma nova abordagem baseada em Rede Neural Convolucional Bidimensional (Convolutional Neural Network – CNN) e técnicas de transformação de séries temporais em imagens, como Campo Angular Gramiano (Gramian Angular Field – GAF) e Gráfico de Recorrência (Recurrence Plot – RP), para previsão em curto prazo da geração de energia elétrica de uma microusina fotovoltaica conectada à rede elétrica, localizada no Centro de Excelência em Eficiência Energética da Amazônia – CEAMAZON, da Universidade Federal do Pará (UFPA). As técnicas de GAF e de RP foram utilizadas para transformação das séries temporais em imagens para serem utilizadas como entrada para a CNN. A previsão de geração de energia elétrica com maior precisão possibilita ao usuário conhecer com maior grau de acerto quais os possíveis custos para implantação da rede e os prazos para retorno financeiro, além de avaliar com maior assertividade a disponibilidade de carga que poderá ser conectada ao sistema. Os resultados da previsão com a utilização de GAF e RP em rede CNN 2D foram comparados com resultados utilizando outros tipos de rede neurais já consolidadas na área, como a Perceptron Multicamadas e a CNN 1D, tendo a CNN 2D obtido em alguns casos valores RMSE próximos ou um pouco inferiores, mostrando assim a aplicabilidade da utilização de imagens obtidas através de transformação das séries temporais de energia fotovoltaica em rede CNN 2D para o problema. |
Abstract: | This research presents a novel approach based on a Bidimensional Convolutional Neural Network (CNN) and techniques for transforming time series data into images, such as Gramian Angular Field (GAF) and Recurrence Plot (RP), for short-term forecast of electricity generation from a photovoltaic microgrid connected to the electrical grid, located at the Center of Excellence in Energy Efficiency of the Amazon (Centro de Excelência em Eficiência Energética da Amazônia –CEAMAZON) at the Federal University of Pará (Universidade Federal do Pará –UFPA). The GAF and RP techniques were employed to transform the time series data into images, which were used as input for the CNN. More accurate electricity generation forecasts enable users to better estimate the potential costs for grid implementation and the payback periods, as well as assess the available load capacity that can be connected to the system with higher precision. The prediction results using GAF and RP with a 2D CNN were compared with results obtained using other established neural network architectures in the field, such as Multilayer Perceptron and 1D CNNs, yielding satisfactory Root Mean Square Error (RMSE) values. This demonstrates the applicability of using images generated from the transformation of photovoltaic time series data in a 2D CNN for this problem. |
Palavras-chave: | Geração de energia fotovoltaica Redes neurais convolucionais Campo granular gramiano Gráfico de recorrência Séries temporais Inteligência computacional Photovoltaic power generation Convolutional neural networks Gramian Angular Field Recurrence plot Time series Computational intelligence. |
Área de Concentração: | COMPUTAÇÃO APLICADA |
Linha de Pesquisa: | INTELIGÊNCIA COMPUTACIONAL |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES |
País: | Brasil |
Instituição: | Universidade Federal do Pará |
Sigla da Instituição: | UFPA |
Instituto: | Instituto de Tecnologia |
Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
Tipo de Acesso: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 Brazil |
Aparece nas coleções: | Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_PrevisaoGeracaoEnergia.pdf | 2,36 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons