Aplicação de técnicas de Machine Learning na previsão de geração de energia elétrica na UFG
dc.contributor.advisor1 | Castro, Marcelo Stehling de | |
dc.contributor.referee1 | Castro, Marcelo Stehling de | |
dc.contributor.referee1 | Pires, Sandrerley Ramos | |
dc.contributor.referee1 | Oliveira, Gustavo Dias de | |
dc.creator | Ferraz, Victor Gomide | |
dc.date.accessioned | 2023-06-29T14:15:20Z | |
dc.date.available | 2023-06-29T14:15:20Z | |
dc.date.issued | 2021-11-09 | |
dc.description.abstract | This article aims to analyze the application of machine learning techniques in predicting the energy produced by photovoltaic panel installed on Campus Colemar Natal e Silva, at the Federal University of Goiás (UFG). At first, it presents basic concepts and explanations about how photovoltaic energy is generated and what are the main factor that affect it; later, the thematic of machine learning and the SRV algorithm – chosen for the test – and the parameters that change the behavior are approached. Then, the relationships between the variables are discussed and the relationship between the metrological variables and the generation of electricity is calculated. Finally, training is presented with different approaches between the configuration of the algorithm and the amount of variables used of training, after which the data are compared to understand which variables and settings greatly. | pt_BR |
dc.description.resumo | O presente artigo visa analisar a aplicação de técnicas de machine learning na previsão de energia produzida pelas placas fotovoltaicas instaladas no Campus Colemar Natal e Silva, na Universidade Federal de Goiás (UFG). Em um primeiro momento, apresenta-se conceitos e explicações básicas sobre como ocorre a geração de energia fotovoltaica e quais são os principais fatores que a afetam; posteriormente, aborda-se a temática de machine learning e o algoritmo SRV – escolhido para o teste – e os parâmetros que alteram seu comportamento. Em seguida são abordadas as relações entre as variáveis e calculado a relação entre as variáveis metrológicas com a geração de energia elétrica. Por fim, é apresentado o treinamento com abordagens diversas entre a configuração do algoritmo e a quantidade de variáveis utilizadas para o treino, após os dados são comparados para compreender quais variáveis e configurações afetam sobremaneira a previsão de produção de energia pelas células fotovoltaicas. | pt_BR |
dc.identifier.citation | FERRAZ, Victor Gomide. Aplicação de técnicas de Machine Learning na previsão de geração de energia elétrica na UFG. 2021. 17 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2021. | pt_BR |
dc.identifier.uri | http://repositorio.bc.ufg.br/handle/ri/22841 | |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Goiás | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Engenharia de Computação (RG) | pt_BR |
dc.publisher.department | Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG) | pt_BR |
dc.publisher.initials | UFG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Energia solar | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.subject | Irradiância | pt_BR |
dc.subject | Placas fotovoltaicas | pt_BR |
dc.subject | Solar energy | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.subject | Irradiance | pt_BR |
dc.subject | Photovoltaic cell | pt_BR |
dc.title | Aplicação de técnicas de Machine Learning na previsão de geração de energia elétrica na UFG | pt_BR |
dc.type | TCC | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- TCCG - Engenharia de Computação - Victor Gomide Ferraz - 2021.pdf
- Tamanho:
- 1.88 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: