Pina, JoãoStefanutto, ThiagoDurão, Lourenço Cruz Simões2023-12-132023-12-132023-10http://hdl.handle.net/10362/161216The unpredictable malfunctions of batteries in photovoltaic trackers pose significant challenges in terms of energy efficiency and operational costs. This thesis addresses the need for an effective solution to determine whether battery alarms are anomalies or actual failures, enabling swift replacements and substantial energy savings. Given the scarcity of studies in this area, the proposed research aims to develop a program utilizing artificial intelligence algorithms to identify patterns characteristic of end-of-life batteries. By leveraging artificial intelligence techniques, both economic and energy gains can be achieved through timely and accurate battery replacement, thereby reducing unpredictability in photovoltaic tracker systems.As avarias imprevisíveis das baterias dos seguidores fotovoltaicos colocam desafios sig- nificativos em termos de eficiência energética e de custos operacionais. Esta tese aborda a necessidade de uma solução eficaz para determinar se os alarmes das baterias são anomalias ou falhas reais, permitindo substituições rápidas e poupanças substanciais de energia. Dada a escassez de estudos nesta área, a investigação proposta visa desenvolver um programa que utiliza algoritmos de inteligência artificial para identificar padrões característicos de baterias em fim de vida. Ao utilizar técnicas de inteligência artificial, é possível obter ganhos económicos e energéticos através da substituição atempada e precisa das baterias, reduzindo assim a imprevisibilidade dos sistemas de seguidores fotovoltaicos.porBateriaInteligencia ArtificialLong-Short Term MemoryManutenção PreditivaSeguidores Fotovoltaicosmaster thesis