Show simple item record

dc.contributor.advisorTarumoto, Mário Hissamitsu
dc.contributor.authorSantos, Matheus Inacio Souza
dc.date.accessioned2021-04-18T13:19:32Z
dc.date.available2021-04-18T13:19:32Z
dc.date.issued2021-03-08
dc.identifier.urihttp://hdl.handle.net/11449/204410
dc.description.abstractA conversão direta de energia solar em elétrica é feita através da radiação sobre determinados materiais fotovoltaicos, onde os fótons contidos na luz solar são convertidos em energia elétrica através do uso de células solares. A radiação solar é a energia radiante emitida pelo sol, em particular aquela que é transmitida sob a forma da radiação eletromagnética, onde as matérias fotovoltaicos estão ligados diretamente. Existem diversas variáveis que in uenciam para a quantidade de energia gerada ao longo do dia, como a nebulosidade, temperatura, entre outros. O tema abordado no trabalho aqui presente é a criação de modelos probabilísticos que ajustam a energia solar gerada por placas fotovoltaicas levando em consideração dados históricos de geração de energia solar, sugerindo dependência ao longo do tempo utilizando um processo de Markov. Neste trabalho o objetivo foi o de construir modelos usando diferentes funções de distribuição de probabilidade e veri car qual obteve o melhor resultado perante os dados. A base de dados é composta por dados de energia solar gerada por placas fotovoltaicas da cidade de São José do Rio Preto-SP no período de Fev/2019 a Jul/2020, sem utilizar as covariáveis, e como resultado, o Modelo Markoviano Weibull via a Distribuição Weibull Bivariada de Marshall e Olkin, foi o que apresentou o melhor resultado.pt
dc.description.abstractThe direct conversion of solar energy into electricity is done through radiation on certain photovoltaic materials, where the photons contained in sunlight are converted into electrical energy through the use of solar cells. Solar radiation is the radiant energy emitted by the sun which is transmitted in the form of electromagnetic radiation, where photovoltaic materials are directly attached. Several variables in uence the amount of energy generated throughout the day, such as cloudiness, temperature, rain, among others. In the present work, is the creation of probabilistic models that adjust the solar energy generated by photovoltaic plates will be approached taking into account historical data of solar energy generation, suggesting dependence over time using a Markov process. In this work, the objective was to build models using di erent probability distribution functions and verify which one obtained the best result in the face of the data. The database consists of solar energy data generated by photovoltaic plates from the city of São José do Rio Preto-SP in the period from Feb / 2019 to Jul / 2020, without using the covariates, and as a result, the Markoviano Weibull Model via the Marshall and Olkin Bivariate Weibull Distribution, was the one that presented the best result.en
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (UNESP)
dc.subjectModelagem estatísticapt
dc.subjectDistribuição bivariadapt
dc.subjectModelos markovianospt
dc.subjectEnergia limpapt
dc.subjectEnergia fotovoltaicaspt
dc.subjectStatistical modelingen
dc.subjectBivariate distributionen
dc.subjectMarkovian modelsen
dc.subjectClean energyen
dc.subjectPhotovoltaic energyen
dc.titleEstimação de energia solar gerada por placas fotovoltaicas utilizando modelagem estatísticapt
dc.title.alternativeEstimation of solar energy generated by photovoltaic plates using statistical modelingen
dc.typeDissertação de mestrado
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)
dc.rights.accessRightsAcesso aberto
dc.description.sponsorshipIdCAPES: 001pt
unesp.graduateProgramMatematica Aplicada e Computacional - FCTpt
unesp.knowledgeAreaMatemática aplicada e computacionalpt
unesp.researchAreaModelagem Estatísticapt
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Ciências e Tecnologia, Presidente Prudentept
unesp.embargoOnlinept
dc.identifier.capes33004129046P9
unesp.examinationboard.typeBanca públicapt
Localize o texto completo

Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record