Aplicação do modelo Auto-LSTM para previsão de irradiação solar para sistemas fotovoltaicos

• Processo: 22/10281-6
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de junho de 2023
• Data de Término da vigência: 30 de novembro de 2024
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Fernando Ramos Martins
• Beneficiário: Fernando Vasconde de Arruda
• Instituição Sede: Instituto do Mar (IMar). Universidade Federal de São Paulo (UNIFESP). Campus Baixada Santista. Santos , SP, Brasil
• Vinculado ao auxílio: 14/50848-9 - INCT 2014: INCT para Mudanças Climáticas (INCT-MC), AP.PFPMCG.TEM
• Assunto(s): Aprendizado computacional Energia solar Sistemas fotovoltaicos
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Energia Solar | Previsão de curto-prazo | sensoriamento remoto da atmosfera | Sistemas fotovoltaicos | Energia solar; Geração distribuída; Sensoriamento remoto da atmosfera

Resumo

A forma como exploramos nosso planeta tem sido discutida durante décadas e utilizar nossos recursos de forma mais sustentável é uma das principais mudanças. A energia elétrica é um dos principais recursos utilizados por nossa sociedade e o desenvolvimento tecnológico só faz com que sua utilização aumente. Há décadas, utilizamos os combustíveis fósseis, que emitem gases do efeito estufa na atmosfera, a transição para recursos renováveis é a alternativa para mudar esse cenário. Tratados como o de Paris e Glasgow e a agenda de 2030 incentivam os países a desenvolverem metas para utilização de fontes renováveis e neutralizar a emissão de gás carbônico na atmosfera. O Brasil por sua vez tem uma matriz elétrica prioritariamente renovável, todavia o recurso hídrico é predominante, os períodos de estiagem mostraram a necessidade de diversificar a matriz para alcançar maior resiliência e segurança no atendimento da demanda elétrica. A energia solar é uma das mais promissoras, contudo alguns desafios trazem incertezas sobre sua plena utilização sendo uma delas a intermitência, que é causada por influência das condições atmosféricas, o que impulsiona o desenvolvimento de diversos estudos voltados à previsão de irradiação solar em diferentes horizontes de tempo. Esse projeto visa utilizar uma metodologia de aprendizado de profundo híbrido (Autoencoder + LSTM) para desenvolver um modelo de previsão do recurso solar aplicado ao sistema fotovoltaico do IEE/USP e, posteriormente, também em pequenas plantas em operação no município de Santos (área urbana em área costeira do estado). Dados observados em estações meteorológicas e ambientais (INMET, CETESB, AERONET) localizadas nas regiões metropolitanas serão utilizadas para o desenvolvimento do modelo proposto. O estudo envolverá também variáveis produzidas por modelos de previsão numérica operacionais disponíveis para acesso público. A principal contribuição do projeto é o desenvolvimento de modelo de previsão do recurso solar baseado no estado da arte para grandes centros urbanos onde a geração distribuída deve crescer e desempenhar papel importante na matriz elétrica nacional.