Comparação da Acurácia de Modelos de Redes Neurais Artificiais na Predição da Irradiância Solar e Geração de Energia Fotovoltaica

Abstract

Uma das maneiras de suprir o crescente consumo de energia elétrica com o uso de fontes de energia limpa e renovável, tal como a solar fotovoltaica. No entanto, este tipo de geração possui intermitências que aumentam a instabilidade e a insegurança da rede energética. Umas das soluções para este problema consiste no estudo de métodos para a Predição da Geração de Energia Solar Fotovoltaica (PGESF). Neste contexto, o presente estudo comparou a acurácia de predição de modelos de Redes Neurais Artificiais (RNA), publicado em [14], a partir de duas bases de dados (datasets) distintas e três diferentes horizontes de predição de curto prazo. Os resultados sugerem que o uso de diferentes variáveis meteorológicas e o tamanho do dataset influenciam significativamente (p-valor<0,001) na acurácia dos modelos. Além disso, a acurácia de predição dos modelos diminuiu conforme o horizonte de predição aumentou.