Análise preditiva da geração e exportação distribuída de energia fotovoltaica: modelagem e aplicações via algoritmos de inteligência computacional

• Processo: 19/18857-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2019
• Data de Término da vigência: 30 de novembro de 2021
• Área de conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Pesquisador responsável: Wallace Correa de Oliveira Casaca
• Beneficiário: Lucas Gomes dos Ramos
• Instituição Sede: Universidade Estadual Paulista (UNESP). Campus de Rosana. Rosana , SP, Brasil
• Assunto(s): Inteligência computacional Aprendizado computacional Planejamento energético Geração distribuída Energia solar Energia fotovoltaica Modelagem computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Energia Elétrica | Energia Solar | Geração distribuída | Planejamento energético | Predição inteligente de energia

Resumo

Compreender o funcionamento e o modelo de crescimento da exportação de energia gerada por sistemas fotovoltaicos conectados à rede elétrica é uma necessidade cada vez mais presente no campo de geração de energia. Elaborar métodos preditivos que se encaixem neste contexto pode respaldar decisões importantes, sejam elas tomadas por agências governamentais, consumidores locais, ou ainda por setores da indústria de eletricidade como por exemplo usinas geradoras e concessionárias. Além disso, deter tais informações sobre os possíveis horizontes do uso dessa energia traz uma maior segurança energética para o país. Este projeto tem como objetivo estudar o impacto gerado pela energia despachada na rede elétrica proveniente de sistemas fotovoltaicos residenciais e comerciais a partir de modelos de Aprendizado de Máquina (AM) e ferramentas de Análise Exploratória de Dados (AED). A fim de viabilizar a metodologia proposta e sua validação em um cenário real, o estudo foca na região de Queensland, Austrália, a qual conta com um vasto repositório público de dados para fins de pesquisa. Além disso, a Austrália tem promovido importantes avanços no campo da energia fotovoltaica, fato que ampara a referida pesquisa no sentido de ter à disposição aporte técnico e arquétipo prático de como se comporta a geração distribuída da energia solar em uma rede altamente integrada. Para o desenvolvimento desta pesquisa, serão exploradas três metodologias de AM: Florestas Randômicas (Random Forest), Máquinas de Vetores de Suporte (Support Vector Machine), e Aumento do Gradiente (Gradient Boosting). Os modelos serão implementados e validados a partir de bases de dados reais de geração e distribuição de energia fotovoltaica, cujo arcabouço computacional a ser desenvolvido poderá servir para auxiliar planos de eficiência energética tanto em âmbito governamental como no setor elétrico privado brasileiro.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

RAMOS, LUCAS; COLNAGO, MARILAINE; CASACA, WALLACE. Data-driven analysis and machine learning for energy prediction in distributed photovoltaic generation plants: A case study in Queensland, Australia. ENERGY REPORTS, v. 8, n. -1, p. 745-751, APR 2022. (13/07375-0, 19/18857-1)