Previsão de irradiância solar, para fins de geração Fotovoltaica para Benguela – Angola, usando aprendizado de máquinas

Abstract

Pesquisadores buscam aprimorar a utilização da irradiância global horizontal para geração de energia fotovoltaica, visando atender à crescente demanda energética e preservar o ecossistema. Assim, propor um modelo com boa capacidade preditiva para melhor responder a demanda cada vez mais crescente, facilitando a planificação e o dimensionamento assim como a manutenção, torna este trabalho de grande relevância em sistemas de geração de energia solar fotovoltaica. Este trabalho tem como propósito a implementação um modelo baseado em redes neurais artificiais para prever a irradiância global horizontal (GHI) horária a curto prazo para Benguela, Angola. Para isso, foi utilizada uma rede neural Perceptron de Múltiplas Camadas (MLP, do inglês, Multilayer Perceptron), com o objetivo de melhorar a eficácia da previsão de GHI e com isso auxiliar na otimização do aproveitamento da radiação solar no país. Os dados meteorológicos como, a temperatura, umidade relativa, pressão atmosférica e velocidade do vento, que serviram como variáveis de entrada, e a irradiância global horizontal como a variável de saída, foram obtidos a partir do website de dados da NASA e dados medidos através das estações meteorológicas da PRODEL localizadas na província de Benguela. As métricas de avaliação MAPE e RMSE foram utilizadas, resultando em um MAPE de 10,16% e 7,12%, e RMSE de 79,29 Wh/m2 e 61,15 Wh/m2 para estações seca e chuvosa, respectivamente.

Researchers seek to improve the use of horizontal global irradiance for photovoltaic energy generation, aiming to meet growing energy demand and preserve the ecosystem. Therefore, proposing a model with good predictive capacity to better respond to increasingly growing demand, facilitating planning and sizing as well as maintenance, makes this work of great relevance in photovoltaic solar energy generation systems. This work aims to implement a model based on artificial neural networks to predict the short-term hourly global horizontal irradiance (GHI) for Benguela, Angola. For this, a Multilayer Perceptron (MLP) neural network was used, with the aim of improving the effectiveness of GHI prediction and thereby helping to optimize the use of solar radiation in the country. Meteorological data such as temperature, relative humidity, atmospheric pressure and wind speed, which served as input variables, and global horizontal irradiance as the output variable, were obtained from the NASA data website and data measured through by PRODEL meteorological stations located in the province of Benguela. The MAPE and RMSE evaluation metrics were used, resulting in a MAPE of 10.16% and 7.12%, and RMSE of 79.29 Wh/m2 and 61.15 Wh/m2 for dry and rainy seasons, respectively.