Bacharelado em Engenharia Elétrica

URI Permanente desta comunidade

https://repositorio.ifmg.edu.br/handle/20.500.14387/749

Navegar

Navegando Bacharelado em Engenharia Elétrica por Autor "Amorim, Victor Gonçalves Lopes Cunha"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Desenvolvimento preliminar de um pacote para previsão automática de potência solar baseado em dados históricos do INMET
    (2023-06-22) Amorim, Victor Gonçalves Lopes Cunha; Mestre José Antônio Moreira de Rezende; Doutor Reginaldo Gonçalves Leão Júnior
    Como alternativa de fonte de energia limpa, a instalação de usinas geradoras de energia elétrica que utilizam fontes renováveis tem conquistado papel de destaque na energética brasileira, já ocupando 48% da capacidade instalada. Dentre das várias existentes, a energia solar fotovoltaica vem crescendo exponencialmente, principalmente quando se diz sobre energia elétrica, através da implantação de painéis fotovoltaicos. No entanto, o incorreto dimensionamento, ou seja, projetado sem as devidas análises prévias, destes painéis ligados à rede pode causar perturbações e perdas técnicas na rede de distribuição já existente. Grande então é a necessidade de boas ferramentas preliminares, que facilitam a análise para o correto dimensionamento. Sendo assim, este trabalho apresenta o desenvolvimento de uma ferramenta premilinar para análise dos dados disponibilizados pelo INMET (Instituto Nacional de Metereologia) que influenciam diretamente na geração de energia fotovoltaica e posteriormente o devido tratamento dos dados, principalmente a detecção de outliers, para que possam ser utilizados futuramente em um modelo de previsão de séries históricas. Todo o processo é desenvolvido para acontecer de forma automática através da linguagem de programação Julia. A metodologia foi desenvolvida em três partes: aquisição dos dados, tratamento dos dados, e detecção dos outliers. Com o método empregado foi possível visualizar graficamente os pontos detectados como outliers, assim como fazer uma filtragem para um conjunto de dados mais confiável sem a presença das anomalias.