$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC |



Título: IDENTIFYING REPRESENTATIVE DAYS OF SOLAR IRRADIANCE AND WIND SPEED IN BRAZIL USING MACHINE LEARNING TECHINIQUES
Autor: RAFAELA MOREIRA DE AZEVEDO RIBEIRO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  BRUNO FANZERES DOS SANTOS - ADVISOR
Nº do Conteudo: 60032
Catalogação:  03/08/2022 Idioma(s):  ENGLISH - UNITED STATES
Tipo:  TEXT Subtipo:  SENIOR PROJECT
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60032&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.60032

Resumo:
The generation of energy from renewable sources is continuously growing in Brazil, and consequently the investiments as well. The great quantity of renewable sources, aligned with a campaing for a carbon free energy system show how necessary this type of investment is. Beyond hydroelectricity, responsible for most part of the energy generation in Brazil, in the last decade both Eolic and Solar generation gained much space in the Brazilian Energetic Matrix. However, while the former shows a lot of variation through the days/years, the latter has a characteristic behaviour, where there is no generation during the nigth. For a better understanding of the characteristics of both sources (wind speed and solar irradiance, respectively), this study aims at identifying similar days, that can depict the main behaviour of each source. The data analysed represents the wind speed in fout sites where big Wind Farms ate installed in Brazil, there in the Northeast Region and one inthe South Region, and the irradiance in four sites where big Solar Farms are installed in Brazil, three in the Nothast Region and one in the Southeast Region, all from 1980 to 2020. Machine Learning methods with unsuoervised learning, that aggregate data with similar behaviours, were used. Two of them, K-Means and K-Medoids, are classified as Partitioning Methods, the Ward, that is a Hierarchial Method, and one Model-Based Method (Self-Organizing Maps) were used. It can be seen that, for most methods, the wind speed can be represented by only two days, and the irradiance between two and three days. Therefore, future studies, such as planning, designing, operation and assessmet of renewable-based energy system, can be simplified by using only the representative days instead of the whole dataset, decreasing computation effort and time.

Descrição Arquivo
COMPLETE  PDF  
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui