Aplicação de técnicas de Machine Learning na previsão de geração de energia elétrica na UFG

Página do item simplificado
dc.contributor.advisor1Castro, Marcelo Stehling de
dc.contributor.referee1Castro, Marcelo Stehling de
dc.contributor.referee1Pires, Sandrerley Ramos
dc.contributor.referee1Oliveira, Gustavo Dias de
dc.creatorFerraz, Victor Gomide
dc.date.accessioned2023-06-29T14:15:20Z
dc.date.available2023-06-29T14:15:20Z
dc.date.issued2021-11-09
dc.description.abstractThis 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.resumoO 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.citationFERRAZ, 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.urihttp://repositorio.bc.ufg.br/handle/ri/22841
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Computação (RG)pt_BR
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectEnergia solarpt_BR
dc.subjectMachine learningpt_BR
dc.subjectIrradiânciapt_BR
dc.subjectPlacas fotovoltaicaspt_BR
dc.subjectSolar energypt_BR
dc.subjectMachine learningpt_BR
dc.subjectIrradiancept_BR
dc.subjectPhotovoltaic cellpt_BR
dc.titleAplicação de técnicas de Machine Learning na previsão de geração de energia elétrica na UFGpt_BR
dc.typeTCCpt_BR

Arquivos

Pacote Original
Agora exibindo 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:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

EMC - Trabalhos de Conclusão de Curso