A carregar...
Publicação
Implementação de um sistema de previsão de produção fotovoltaica e consumos de um Edifício Inovador
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.55 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Nos dias de hoje, existe a consciencialização de que a energia fotovoltaica é aquela que apresenta uma maior sustentabilidade energética dos edifícios.
O objetivo desta dissertação foi prever a energia fotovoltaica produzida num edifício inovador, tendo por base os dados da temperatura ambiente e da irradiância, de modo a comparar os valores previstos com os valores reais.
Para a realização dos sistemas de previsão usamos o software Matlab R2019b e um modelo de redes neuronais do tipo NARX. Foi realizado um pré-processamento dos dados fornecidos com ajustamento do intervalo entre cada amostra (15 minutos) com divisão dos dados em 2 partes (treino e validação). No treino usamos os dados entre 2015 e 2017 e na validação os do ano de 2018. Quanto ao intervalo de medição a considerar para as 2 amostras foi entre as 5h e as 21h, e as redes foram testadas com 5, 8, 10, 12 e 15 neurónios na camada oculta e com conjuntos de treino de 15, 20, 25 e 30 dias de dados.
Após definirmos o conjunto de treino e o número de neurónios a aplicar nos preditores da temperatura e da irradiância (variáveis de entrada), estimamos a produção fotovoltaica (variável de saída).
As principais conclusões relativamente à produção fotovoltaica demonstraram que, os meses que apresentam valores mais elevados de produção (real e prevista) e com maiores diferenças ao nível da produção total, foram os meses do início do ano, onde os dias são mais curtos. Os que apresentaram valores mais baixos, embora com uma tendência de subida, foram os meses entre a primavera e o outono (dias maiores). Foi também durante estes meses que observamos uma menor diferença na produção fotovoltaica, entre a produção real e prevista, o que demonstra que nesta fase houve um melhor comportamento dos dados usados, e por sinal uma melhor performance que pode ser explicada pela presença de mais dias de sol e dias mais longos.
Descrição
Palavras-chave
Produção fotovoltaica Temperatura Irradiância Redes neuronais