Previsão e otimização da geração de energia fotovoltaica em Rio Largo-AL
DOI:
https://doi.org/10.26848/rbgf.v17.2.p945-957Palavras-chave:
irradiação solar, redes neurais artificiais e energia solar.Resumo
A previsão de produção de energia elétrica é fundamental para que o Operador Nacional do Sistema Elétrico (ONS) possa atender a demanda por energia elétrica sem restrições, principalmente quando a matriz elétrica é composta por recursos energéticos renováveis e intermitentes. O presente estudo visa prever a geração de energia de uma usina solar fotovoltaica e avaliar qual a configuração dos módulos fotovoltaicos que possibilita a máxima geração de energia no ano, concatenado com o horário de maior demanda do Sistema Interligado Nacional (SIN) no verão. Utilizando inteligência artificial previu-se a temperatura do ar que foi transformada em previsões de irradiação solar global. A máxima potência dos módulos fotovoltaicos e a eficiência de conversão dos inversores foram modeladas pela temperatura do ar e a irradiação solar, previstas juntamente de outros parâmetros característicos, obtidos no catálogo técnico de dados do fabricante. As previsões de temperatura do ar foram satisfatórias e puderam ser transformadas em previsões de irradiação e geração de energia elétrica com baixa propagação de erro. Contudo, em períodos de céu nublado as previsões obtiveram menor acurácia. A configuração ótima do arranjo fotovoltaico foi de inclinação de 13,21° e azimute de 126,92°.
Referências
ABSOLAR, Associação Brasileira de Energia Solar. Infográficos. Disponível: https://www.absolar.org.br/mercado/infografico/. Acesso em: 02, fevereiro de 2024.
Antoniolli, A.F.G., 2015 Avaliação do desempenho de geradores solares fotovoltaicos conectados à rede elétrica no Brasil. Dissertação de mestrado. Departamento de Engenharia Civil, Universidade Federal de Santa Catarina – UFSC, Florianópolis – SC.
Antonopoulos, V. Z., Papamichail, D. M., Aschonitis, V. G., Antonopoulos, A. V., 2019. Solar radiation estimation methods using ANN and empirical models. Comput Electron Agric. 160, 160-167. DOI: https://doi.org/10.1016/j.compag.2019.03.022 DOI: https://doi.org/10.1016/j.compag.2019.03.022
Božiková, M., Bilčík, M., Madola, V., Szabóová, T., Kubík, Ľ., Lendelová, J, Cviklovič, V., 2021. The Effect of Azimuth and Tilt Angle Changes on the Energy Balance of Photovoltaic System Installed in the Southern Slovakia Region. Appl. Sci. 11, 8998. DOI: https://doi.org/10.3390/app11198998. DOI: https://doi.org/10.3390/app11198998
Chattopadhyay, S., Jhajharia, D., Chattopadhyay, G., 2011. Univariate modelling of monthly maximum temperature time series over northeast India: Neural network versus Yule-Walker equation based approach. Meteorol. Appl., 18, 70–82. DOI: https://doi.org/10.1002/met.211. DOI: https://doi.org/10.1002/met.211
De Souza, J. L., Nicácio, R. M., Moura, M. A. L., 2005. Global solar radiation measurements in Maceio, Brazil. Renew. Energy. 30 (8), 1203-1220. DOI: https://doi.org/10.1016/j.renene.2004.09.013. DOI: https://doi.org/10.1016/j.renene.2004.09.013
EPE. Considerações Sobre o Comportamento do Consumidor: Documento de apoio ao PNE 2050. Rio de Janeiro, 2018. Disponível: https://www.epe.gov.br/sites-pt/publicacoes-dados-abertos/publicacoes/PublicacoesArquivos/publicacao-227/topico-457/Comportamento%20do%20Consumidor.pdf. Acesso: 08 fevereiro de 2023
EPE. Balanço Energético Nacional 2023. Disponível: https://www.epe.gov.br/pt/publicacoes-dados-abertos/publicacoes/Balanco-Energetico-Nacional-2023. Acesso: 10 janeiro de 2023.
Frontin, S. O., Brasil, A. C. P., Carneiro, M. T. D., Godoy, N. R. D., 2017. Usina Fotovoltaica Jaíba Solar: Planejamento e Engenharia. Teixeira Gráfica e Editora LTDA, Brasília.
Jain, S., Rathee, S., Kumar, A., Sambasivam, A., Boadh, R., Choudhary, T., Kumar, P., Singh, P. K., 2022. Prediction of temperature for various pressure levels using ANN and multiple linear regression techniques: A case study. Materials Today: Proceedings, 56 (1), 194-199. DOI: https://doi.org/10.1016/j.matpr.2022.01.067 DOI: https://doi.org/10.1016/j.matpr.2022.01.067
Hargreaves, G. H., Samani, Z. A., 1982. Estimating potential evapotranspiration. Journal of Irrigation and Drainage Engineering, 108, 225-230. DOI: https://doi.org/10.1061/JRCEA4.0001390. DOI: https://doi.org/10.1061/JRCEA4.0001390
Holdermann, C., Kissel, J., Beigel, J., 2014 Distributed photovoltaic generation in Brazil: An economic viability analysis of small-scale photovoltaic systems in the residential and commercial sectors. Energy Policy. 67, 612–617. DOI: http://dx.doi.org/10.1016/j.enpol.2013.11.064. DOI: https://doi.org/10.1016/j.enpol.2013.11.064
Iglesias, C., Vilaça, P., 2022. On the regulation of solar distributed generation in Brazil: A look at both sides. Energy Policy. 67, 113091. DOI: https://doi.org/10.1016/j.enpol.2022.113091. DOI: https://doi.org/10.1016/j.enpol.2022.113091
Iqbal, M., 1983. An introduction to solar radiation. NEW YORK: ACADEMIC PRESS.
Jahani, B., Mohammadi, B.A., 2018. A comparison between the application of empirical and ANN methods for estimation of daily global solar radiation in Iran. Theor Appl Climatol. 137, 1257-1269. DOI: https://doi.org//10.1007/s00704-018-2666-3. DOI: https://doi.org/10.1007/s00704-018-2666-3
Jang, J.S.R., Sun, C.T., Mizutani, E., 1997. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence. IEEE Trans Automat Contr. 42(10), 1482-1484. DOI: https://doi.org//10.1109/TAC.1997.633847. DOI: https://doi.org/10.1109/TAC.1997.633847
Lagarde, G., Beillard, B., Mazen, S., Marie-Sandrine Denis, M-S., Leylavergne, J., 2023. Performance ratio of photovoltaic installations in France: Comparison between inverters and micro-inverters. Journal of King Saud University - Engineering Sciences, 35 (8), 531-538. DOI: https://doi.org/10.1016/j.jksues.2021.11.007. DOI: https://doi.org/10.1016/j.jksues.2021.11.007
Jannuzzi, G., De Melo, C., 2012 Grid-connected photovoltaic in Brazil: policies and potential impacts for 2030. Energy Sustain. Dev. 17 (1), 40-46. DOI: https://doi.org/10.1016/j.esd.2012.10.010. DOI: https://doi.org/10.1016/j.esd.2012.10.010
Laudani, A., Lozito, G. M., Riganti Fulginei, F., 2021. Irradiance Sensing through PV Devices: A Sensitivity Analysis. Sensors (Basel). 13, 4264. DOI: https://doi.org/10.3390/s21134264. DOI: https://doi.org/10.3390/s21134264
Kaplan, Y.A., Saraç, M.S., Ünaldi, G.G., 2022. Developing a new model in solar radiation estimation with genetic algorithm method. Environ Prog Sustainable Energy. 41, e13912. DOI: https://doi.org/10.1002/ep.13912 DOI: https://doi.org/10.1002/ep.13912
Pereira, E. B., Martins, F. R., Gonçalves, A.R., Costa, R.S., Lima, F.L.; Rüther, R., Abreu, S.L., Tiepolo, G.M., Pereira, S.V., Souza, J.G., 2017. Atlas brasileiro de energia solar. 2.ed. São José dos Campos: INPE, 80p. DOI: http://doi.org/10.34024/978851700089 DOI: https://doi.org/10.34024/978851700089
Prunier, Y., Chuet, D., Nicolay, S., Hamon, G., Darnon, M., 2023. Optimization of photovoltaic panel tilt angle for short periods of time or multiple reorientations. Energy Conversion and Management: X. 20, 100417, doi:10.1016/j.ecmx.2023.100417. DOI: https://doi.org/10.1016/j.ecmx.2023.100417
Sabino, E. R. C., Brennand, L. J. P., Barros, H. F., Vilela, O. C., Costa, A. C. A., 2018. Previsão de temperatura ambiente horária voltada para auxiliar previsões de geração de potência fotovoltaica. In: VII Congresso Brasileiro de Energia Solar, 2018, Gramado. VII Congresso Brasileiro de Energia Solar. DOI: https://doi.org/10.59627/cbens.2018.659 DOI: https://doi.org/10.59627/cbens.2018.659
Silva, D. D., Cardoso, E. M., Basquerotto, C., Pereira, J. A., Turra, A. E., Feldhaus, J. 2023. Outlook on the Brazilian scenario of floating photovoltaic solar energy, Energy Reports, 10, 4429-4435. Disponível: https://doi.org/10.1016/j.egyr.2023.11.004. Acesso: 16 de Jan. de 2024. DOI: https://doi.org/10.1016/j.egyr.2023.11.004
Souza, J.L., Filho, G.M., Lyra, R.F.F., Teodoro, I., Santos, E.A., Silva, J.L., Silva, P.R.T., Cardim, A.H., Amorin, E.C., 2004. Análise da precipitação pluvial e temperatura do ar na região do tabuleiro costeiro de Maceió, AL. Período 1972–2001. Revista Brasileira de Agrometeorologia. V, 131-141. Disponível em: https://www.sbagro.org/files/biblioteca/1420.pdf. Acesso em 15 de março de 2023.
Ustaoglu, B., Cigizoglu, H. K., Karaca, M., 2008. Forecast of daily mean, maximum and
minimum temperature time series by three artificial neural network methods. Meteorol. Appl. 15, 431–445. DOI: https://doi.org/10.1002/met.83. DOI: https://doi.org/10.1002/met.83
Yohanna, J. K., Itodo, I. N., Umogbai, V.I., 2011. A model for determining the global solar radiation for Makurdi, Nigeria. Renew Energy. 36, 1989-1992. DOI: https://doi.org/10.1016/j.renene.2010.12.028 DOI: https://doi.org/10.1016/j.renene.2010.12.028
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Leandro Vinicius Gomes da Silva Silva, Ricardo Araujo Ferreira Junior, Igor Cavalcante Torres, Marcos Alex dos Santos, Cícero Manoel dos Santos
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
