Estimativa da radiação global diária em municípios do Vale do Ribeira, ambiente subtropical úmido

Abstract

No contexto da agricultura e aquicultura sustentáveis, tornam-se importantes estudos voltados ao uso de fontes renováveis de energia, que permitam a redução na emissão de gases do efeito estuda durante sua utilização. Nesse sentido, a disponibilidade de informações a respeito do potencial solar local, em específico as séries temporais de dados de radiação solar global (HG), torna-se importante no dimensionamento de sistemas eficientes que convertem essa radiação em energia elétrica ou calor. Quando tais informações não estão disponíveis, torna-se necessária a utilização de métodos de estimativa da HG, que incluem desde modelos empíricos e à Técnicas de Aprendizado de Máquinas (TAM). O presente estudo avaliou o desempenho de diferentes métodos de estimativa da radiação solar global (HG) no ambiente subtropical úmido do Vale do Ribeira. Foram utilizados dados meteorológicos medidos nos municípios de Registro, Iguape e Barra do Turvo, que foram disponibilizados pelo Instituto Nacional de Meteorologia (INMET). Três modelos empíricos foram calibrados e tomados como referência na avaliação do desempenho da SVM utilizando diferentes conjuntos de variáveis de entrada, a fim de determinar qual deles permite maior precisão nas estimativas da HG nas condições climáticas local. Dentre os métodos testados, a SVM utilizando o conjunto de varáveis de entrada {H0, Tmax, Tmin, RT, UR} apresentou o melhor desempenho.

In the context of sustainable agriculture and aquaculture, studies focusing on the use of renewable energy sources become crucial for reducing greenhouse gas emissions during their utilization. In this regard, access to information regarding local solar potential, specifically time series data of global solar radiation (HG), becomes significant in designing efficient systems that convert this radiation into electricity or heat. When such information is unavailable, the use of methods to estimate HG becomes necessary, ranging from empirical models to Machine Learning Techniques (MLT). This study evaluated the performance of different methods for estimating global solar radiation (HG) in the humid subtropical environment of the Vale do Ribeira. Meteorological data measured in the municipalities of Registro, Iguape, and Barra do Turvo were utilized, provided by the National Institute of Meteorology (INMET). Three empirical models were calibrated and taken as a reference in assessing the SVM's performance using different sets of input variables to determine which yields greater accuracy in HG estimates under local climatic conditions. Among the tested methods, SVM using the input variable set {H0, Tmax, Tmin, RT, UR} demonstrated the best performance.