| Processo: | 23/00297-5 |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Data de Início da vigência: | 01 de abril de 2023 |
| Data de Término da vigência: | 31 de março de 2024 |
| Área de conhecimento: | Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência |
| Pesquisador responsável: | Marcos Julio Rider Flores |
| Beneficiário: | Bruno Vitor Barros Bandeira |
| Instituição Sede: | Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Vinculado ao auxílio: | 21/11380-5 - CPTEn - Centro Paulista de Estudos da Transição Energética, AP.CCD |
| Assunto(s): | Sistemas de distribuição de energia elétrica |
| Palavra(s)-Chave do Pesquisador: | 1 - Previsão de Energia Fotovoltaica | 2 - Métodos de Aprendizado de Máquina | 3 - Aprendizado profundo | 4 - Long-Short Term Memory | 5 - Temporal Convolution | Sistemas de Distribuição de Energia Elétrica |
Resumo As usinas fotovoltaicas requerem previsões precisas para alcançar uma inserção satisfatória nas redes elétricas. Em outras palavras, uma previsão precisa de energia fotovoltaica ajuda os operadores da rede a otimizar o despacho para equilibrar a geração e a demanda; e, dessa forma, aproveitar melhor esse recurso renovável. Assim, este projeto de pesquisa de Iniciação Científica propõe a aplicação de dois métodos de aprendizado de máquina: Long-Short Term Memory (LSTM) e Temporal Convolutional Networks (TCN), para a previsão de energia fotovoltaica do dia seguinte. Para ambos métodos de aprendizado de máquina, uma previsão de energia fotovoltaica do dia seguinte será obtida com intervalos de tempo de quinze (15) minutos. As metodologias propostas serão programadas em Python, usando as bibliotecas de código aberto TensorFlow para aprendizado de máquina aplicável a uma ampla variedade de tarefas, e Pandas para gerenciamento, manipulação e análise de dados. As metodologias serão validadas usando um conjunto de dados correspondente a uma usina fotovoltaica localizada na Universidade Estadual de Campinas (UNICAMP) no Brasil, com capacidade instalada de 336 kWp. Esta pesquisa faz parte do projeto Microgrids for Efficient, Reliable and Greener Energy (MERGE). | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |