Professional Documents
Culture Documents
Carlos Silva
Fevereiro de 2012
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Resumo
O modelo proposto nesta dissertao recorre a redes neuronais para simular a evoluo da
produo fotovoltaica. Inicialmente apresenta-se os modelos desenvolvidos que efetuam
previses com base em dados histricos da produo e em previses meteorolgicas. De
seguida recorre-se a uma rede neuronal que utiliza as previses efetuadas pelos modelos
anteriores, com o intuito de assimilar estes resultados, efetuando assim previses mais
precisas.
I
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
II
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Abstract
The model proposed in this dissertation uses neural networks to simulate the evolution
of electrical production. Initially, some developed forecasting models perform predictions
based on historical production data and weather forecasts. Then, another neural network
uses the forecasts made by the previous models, assimilating their results, therefore making
more accurate predictions.
Finally, the performance of the proposed model is evaluated trough error analysis. The
forecasting results obtained with the model proposed here revealed a highly significant
improvement, with respect to the considered reference model.
Keywords: Solar power forecasting, neural networks for forecasting, photovoltaic power
forecasting, forecasting models based on time series.
III
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
IV
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Agradecimentos
Em primeiro lugar, ao meu orientador, Professor lvaro Henrique Rodrigues, por toda a
sua ajuda prestada ao longo desta dissertao, no s pela sua disponibilidade, mas tambm
a sua presena nos momentos mais difceis.
Aos Engenheiros Joo Sousa e Ricardo Bessa, uma palavra de amizade e profundo
agradecimento pelo seu apoio contnuo e incansvel, os seus conhecimentos, orientao e
conselhos prestados que se revelaram fulcrais para o desenvolvimento deste trabalho.
A todos os colegas e amigos, pelo apoio e por todas as horas que passamos a trabalhar ao
longo destes anos na Faculdade.
Por ltimo lugar, mas no menos importante, agradeo minha famlia pelo inestimvel
apoio familiar, nos piores e nos melhores momentos, ao longo da realizao deste trabalho e
ao longo destes anos de vida acadmica. Sem vocs nada disto seria possvel.
V
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
VI
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
ndice
Resumo ............................................................................................ I
Agradecimentos ................................................................................. V
ndice............................................................................................. VII
Lista de figuras .................................................................................. X
Lista de tabelas ............................................................................... XIII
Abreviaturas e Smbolos ..................................................................... XIV
Captulo 1 ........................................................................................ 1
Introduo ....................................................................................................... 1
1.1 - Enquadramento geral .............................................................................. 1
1.1.1 - Diagrama de carga diria da rede nacional .............................................. 5
1.2 - Motivao e objetivos da dissertao ........................................................... 7
1.3 - Estrutura da dissertao ........................................................................... 8
Captulo 2 ........................................................................................ 9
O fotovoltaico .................................................................................................. 9
2.1 - Introduo ............................................................................................ 9
2.2 - Tecnologias de converso da energia solar .................................................... 9
2.3 - A tecnologia fotovoltaica ........................................................................ 10
2.3.1 - Tipos e caractersticas das clulas ....................................................... 11
2.3.2 - Curva I-V ...................................................................................... 12
2.3.3 - Efeito da radiao e da temperatura.................................................... 13
2.3.4 - Associao de clulas ...................................................................... 14
2.3.5 - Efeito da inclinao, orientao dos mdulos e uso de sistemas de
seguimento ............................................................................... 14
2.3.6 - Efeito de sombreamento na produo do mdulo .................................... 15
2.3.7 - Tipos de sistemas fotovoltaicos .......................................................... 15
2.3.8 - Inversores .................................................................................... 16
2.3.9 - Tecnologia solar de concentrao fotovoltaica ....................................... 16
2.4 - Panorama nacional ............................................................................... 18
Captulo 3 ....................................................................................... 21
Estado da arte ................................................................................................ 21
3.1 - Introduo .......................................................................................... 21
3.2 - Modelos de previso solar........................................................................ 21
3.2.1 - Previso da radiao solar utilizando imagens obtidas por satlite ............... 22
VII
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
VIII
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 5 ....................................................................................... 65
Resultados ..................................................................................................... 65
5.1 - Introduo .......................................................................................... 65
5.2 - Mtodos para a avaliao do desempenho dos modelos ................................... 65
5.3 - Desempenho dos modelos ....................................................................... 66
5.3.1 - Modelos de assimilao .................................................................... 70
Captulo 6 ....................................................................................... 75
Concluses e trabalhos futuros ............................................................................ 75
6.1 - Concluses ......................................................................................... 75
6.2 - Trabalhos futuros ................................................................................. 76
Referncias ..................................................................................... 77
Anexos ........................................................................................... 81
Anexo A ........................................................................................................ 81
A.1 - Equao ARMA(29,28) ............................................................................... 81
A.2 - Equao AR(29) ..................................................................................... 81
A.3 - Equao AR(173) .................................................................................... 82
Anexo B ........................................................................................................ 83
B.1 - Previses efetuadas pela RN1, para o ms de Agosto ...................................... 84
B.2 - Previses efetuadas pela RN2, ms de Dezembro .......................................... 86
Anexo C ........................................................................................................ 89
C.1 - Resultados do processo de seleo de variveis ............................................ 89
IX
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Lista de figuras
Figura 1.1 Distribuio da irradiao solar anual para o plano inclinado timo orientado
a Sul e produo da energia eltrica FV na Europa, estimada por cada kW de
potncia pico instalada [6]. ................................................................. 3
Figura 1.2 - Evoluo anual da potncia FV acumulada instalada desde 2000 at 2010 [7]. ..... 3
Figura 1.4 - Diagrama de cargas da rede eltrica portuguesa no dia 21 de Junho de 2011,
adaptado de [8]. .............................................................................. 5
Figura 1.5 - Potncia entregue rede eltrica portuguesa pelas centrais integradas na
PRE, no dia 21 de Junho de 2011 [8]. .................................................... 6
Figura 2.3 - Curva I-V e P-V para uma clula tpica de silcio monocristalino. ................... 12
Figura 2.4 - Efeito da radiao e da temperatura num mdulo fotovoltaico [13]. .............. 13
Figura 2.5 Inclinao tima para diferentes pocas do ano [13, 14]. ............................ 14
Figura 2.6 - Radiao solar incidente nos diferentes sistemas analisados [12]. .................. 17
Figura 2.7 - Produo diria dos diferentes sistemas analisados [12]. ............................. 17
Figura 2.10 Potncia instalada na microproduo, por distrito em 2011. Baseado nos
dados retirados do site renovveis na hora. ......................................... 19
Figura 3.1 Metodologia utilizada para a previso do movimento das nvens [17]. ............ 23
Figura 3.2 - Ilustrao de uma rede neuronal do tipo feedforward [24]. ......................... 25
X
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 3.4 Dados da radiao global utlizados em [28]. O conjunto de treino engloba 41
dias, o conjunto de validao 13 dias e o conjunto de previso 9 dias,
perfazendo um conjunto de 63 dias. .................................................... 27
Figura 3.5 Fronteira da regio que contribui para a funo de custo [48]. ..................... 29
Figura 3.7 Posio relativa da Terra em relao ao Sol ao meio dia, num dia de
declinao negativa (Inverno no Hemisfrio Norte, Vero no Hemisfrio Sul),
adaptado de [32]. ........................................................................... 34
Figura 3.8 Diferena entre o tempo solar mdio e o tempo solar verdadeiro ao longo um
ano. ............................................................................................. 35
Figura 3.9 ngulos que definem a posio solar, adaptado de [33]. ............................. 36
Figura 3.10 ngulo de incidncia dos raios solares no plano inclinado, adaptado de [32]. .. 37
Figura 3.11 Efeitos provocados pela atmosfera sobre a radiao solar. ......................... 38
Figura 3.12 Trajetria dos raios solares ao passar pela atmosfera [35]. ......................... 39
Figura 3.13 Modelo de previso local de um sistema fotovoltaico, adaptado de [41]. ........ 45
Figura 3.14 Desempenho do modelo de previso para um local especifico, para 6 dias de
Maio de 2007 [41]. .......................................................................... 46
Figura 4.7 Grfico de Autocorrelao (ACF) da srie da produo eltrica medida. .......... 54
Figura 5.1 Comparao entre a potncia medida e a potncia prevista para todos os
modelos desenvolvidos, para o caso de estudo do dia 21 de Dezembro de
2010............................................................................................ 68
Figura 5.2 Comparao entre a potncia medida e a potncia prevista para todos os
modelos desenvolvidos, para o caso de estudo do dia 7 de Agosto de 2011. ..... 69
XI
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 5.5 Desempenho de RN1 com a configurao 2 e dos diferentes modelos que lhe
deram origem, para um horizonte de previso de 72 horas. Previso efetuada
dia 7 de Agosto de 2011 s 12:00h. ...................................................... 73
Figura 5.6 - Desempenho de RN2 com a configurao 2 e dos diferentes modelos que lhe
deram origem, para um horizonte de previso de 72 horas. Previso efetuada
dia 4 de Fevereiro de 2011 s 12:00h. .................................................. 74
Figura C.1 - Desempenho da configurao (SW, T2, U10 e WDIR) dos dados NWP 00:00
UTC. ........................................................................................... 89
Figura C.2 Desempenho da configurao (SW, U10, V10 e WDIR) dos dados NWP 00:00
UTC. ........................................................................................... 89
Figura C.3 Desempenho da configurao (SW, T2, U10, V10 e WDIR) dos dados NWP 00:00
UTC. ........................................................................................... 90
Figura C.4 Desempenho da configurao (SW, T2, U10, V10 e WDIR) dos dados NWP 00:00
UTC, dados estandardizados. ............................................................. 90
Figura C.5 Desempenho da configurao (SW, T2, U10, V10, WDIR e H72) dos dados NWP
00:00 UTC..................................................................................... 91
Figura C.6 - Desempenho da configurao (SW, T2, U10, V10 e WDIR) dos dados NWP 12:00
UTC. ........................................................................................... 91
Figura C.7 - Desempenho da configurao (SW, T2, U10, V10, WDIR e H72) dos dados NWP
12:00 UTC..................................................................................... 92
Figura C.8 Desempenho do modelo com a adio das componentes do ciclo dirio, para
=1. ............................................................................................ 92
Figura C.9 - Desempenho do modelo com a adio das componentes do ciclo dirio, para
=2. ............................................................................................ 93
Figura C.10 - Desempenho do modelo com a adio das componentes do ciclo dirio, para
=3. ............................................................................................ 93
Figura C.11 - Desempenho do modelo com a adio das componentes do ciclo dirio, para
=4. ............................................................................................ 94
Figura C.12 Desempenho do modelo com a adio das componentes do ciclo dirio, para
=1 + =2. .................................................................................... 94
XII
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Lista de tabelas
XIII
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Abreviaturas e Smbolos
XIV
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Lista de smbolos
XV
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
XVI
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 1
Introduo
Face aos problemas ambientais que enfrentamos, causados em grande parte pelo consumo
excessivo de combustveis fsseis, o recurso s energias de fonte renovvel cada vez mais
uma aposta global. Estas tm demonstrado possuir benefcios inegveis e podem ser
consideradas como o futuro no panorama da energia. Com o objetivo primordial de
estabelecer um equilbrio ambiental, juntamente com a necessidade de assegurar uma
poltica de energia eficiente e sustentvel, inevitvel o desenvolvimento e consequente
integrao das energias renovveis no sector eltrico. esperado que a energia solar,
juntamente com a energia elica, desempenhem um papel muito importante no fornecimento
de energia. A energia solar a fonte energtica primria, e a base para quase todos os tipos
de energia fssil e renovvel. Esta fonte energtica est disponvel gratuitamente, e pode ser
facilmente aproveitada de modo a reduzir a dependncia da energia produzida a partir dos
hidrocarbonetos [1].
precisamente a mesma eletricidade que est hoje no centro de uma nova revoluo.
Apesar da enorme evoluo verificada no ltimo sculo, atualmente temos que lidar com os
efeitos nefastos dessa evoluo, e por isso essencial a criao de um modelo mais
1
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Portugal assumiu para 2020, no quadro dos seus compromissos europeus, a meta de
satisfazer 31% do seu consumo final de energia com recurso a fontes renovveis. Atualmente,
a base da produo energtica de origem renovvel nacional est principalmente assente na
combinao da energia hdrica e da energia elica [3].
A energia hdrica uma aposta que tem vindo a ser feita desde os anos 40, sendo que a
capacidade instalada ronda atualmente os 5200 MW. Apesar de ainda existir potencial a
explorar, a energia hdrica est dependente da grande variabilidade pluviomtrica interanual,
levando a oscilaes na sua produo de ano para ano. A energia elica tem sido a grande
aposta da ltima dcada por parte de vrios pases para gerao de eletricidade sem emisses
poluentes, e seguramente continuar a sua evoluo. Em Portugal, a energia elica tem tido
uma forte progresso nos ltimos anos, tendo a potncia instalada passado de 537 MW em
2004 para mais de 4200 MW em Outubro de 2011 [3, 4].
Aps o forte investimento na energia elica, nos ltimos anos tem-se verificado um
crescente interesse na energia solar fotovoltaica (FV), posicionando-se como a tecnologia com
maior potencial de desenvolvimento em Portugal na prxima dcada. A sua
complementaridade com as restantes tecnologias renovveis, pelo facto de ser gerada nas
horas de maior consumo, leva fixao de um objetivo de 1500 MW de potncia instalada em
2020, atravs da concretizao de diversos programas e concurso, sendo que o
desenvolvimento desta capacidade dever acompanhar os avanos tecnolgicos, os ganhos de
eficincia e a reduo dos custos associados a estas tecnologias [3].
Analisando a Figura 1.1, pode-se verificar, que o recurso solar disponvel na Europa varia
significativamente com a latitude, de tal forma que, nos pases do Sul (Portugal, Espanha e
Itlia), a irradiao solar anual chega a atingir em algumas ocasies quase o dobro da mdia
disponvel nos pases do Norte da Europa (Noruega, Sucia e Dinamarca). A irradiao solar
em Portugal Continental varia entre 1300-1800 kWh/m2. Portanto, Portugal apresenta das
melhores condies a nvel europeu para o aproveitamento do recurso solar e,
designadamente, para a produo eltrica por via fotovoltaica [5].
2
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 1.1 Distribuio da irradiao solar anual para o plano inclinado timo orientado a Sul e
produo da energia eltrica FV na Europa, estimada por cada kW de potncia pico instalada [6].
Figura 1.2 - Evoluo anual da potncia FV acumulada instalada desde 2000 at 2010 [7].
3
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Analisando a Figura 1.2 e Figura 1.3 verifica-se que de todos os pases Europeus, a
Alemanha com 17 GW claramente o que possui uma maior potncia instalada. J fora da
Europa, o Japo apresenta-se como o maior mercado (3,6 GW), no entanto segundo [7]
esperado que a China se torne uma grande potncia nos prximos anos. Apesar de apresentar
uma excelente localizao para o aproveitamento do recurso solar para a produo de energia
fotovoltaica, a potncia instalada em Portugal baixa e tem crescido timidamente quando
comparada com a de outros pases, apresentando apenas um aumento de 16 MW
comparativamente a 2009.
Figura 1.3 - Potncia FV acumulada instalada na Europa, e pases de destaque em 2010 [7].
4
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 1.4 - Diagrama de cargas da rede eltrica portuguesa no dia 21 de Junho de 2011,
adaptado de [8].
5
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 1.5 - Potncia entregue rede eltrica portuguesa pelas centrais integradas na PRE, no dia 21 de
Junho de 2011 [8].
6
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Portanto, para termos uma correta integrao da energia de origem solar na rede
eltrica, necessrio o desenvolvimento de ferramentas fiveis e capazes de superar estes
problemas, pois s assim se podem minimizar os problemas de injeo de potncia FV na
rede.
Em Portugal a utilizao da energia elica foi claramente uma aposta ganha e representa
atualmente uma boa percentagem da energia eltrica fornecida Rede. A previso eficaz
deste recurso ser uma ferramenta indispensvel de forma a balancear a energia fornecida
rede eltrica.
A razo que despertou o interesse pela realizao desta dissertao, reside exatamente
na necessidade de desenvolver ferramentas de previso da produo solar FV a curto prazo,
ou seja, para horizontes temporais at 72 horas. Um dos principais objetivos investigar se os
modelos de previso que utilizam os Numerical Weather Prediction (NWP) como variveis de
entrada conseguiro um desempenho superior aos modelos estatsticos de previso que se
baseiam unicamente em dados histricos da potncia FV. Para alm disso, so ainda
apresentados estudos e modelos desenvolvidos nos ltimos anos, com o objetivo de prever
tanto a radiao solar como a produo de uma central solar, que permitiram obter
informaes importantes para a construo do modelo de previso aqui proposto.
7
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
8
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 2
O fotovoltaico
2.1 - Introduo
O Sol pode ser considerado como a nica fonte de energia na Terra, porque praticamente
toda a energia disponvel est direta ou indiretamente relacionada com ele; em outras
palavras, as fontes de energia so, em ltima instncia, derivadas do Sol.
Mesmo o petrleo, a fonte de energia que tanta discusso tem gerado devido elevada
poluio que produz, vem indiretamente do sol. O petrleo que extrado do subsolo no
nada mais do que matria orgnica que se encontra sepultada sob camadas da crosta
terrestre a elevadas presses. Esta matria orgnica viveu e multiplicou-se devido ao
processo de fotossntese que est diretamente ligado ao Sol.
O Sol fornece energia na forma de radiao, no seu ncleo so geradas reaes nucleares
e durante este processo parte da massa transformada em energia. O Sol assim um enorme
reator de fuso [5].
Este captulo tem como principal objetivo apresentar as tecnologias atuais de converso
de energia solar em energia eltrica. Inicialmente, feita uma descrio sumria dos
sistemas fotovoltaicos, no qual o maior relevo dado aos fatores que condicionam a
produo FV. Por ltimo realizada uma anlise da situao FV em Portugal Continental.
As tecnologias solares trmicas convertem a energia solar em calor, que pode ser
diretamente utilizado para aquecimento de guas, ou convertido em energia mecnica e
posteriormente em energia eltrica, atravs do uso de turbinas a vapor. As tecnologias
9
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
O material utilizado nas clulas solares deve possuir a maior pureza possvel; no entanto,
como o cristal de silcio puro no possui eletres livres, este tem de ser dopado com outros
elementos. O processo conhecido como dopagem do silcio consiste na introduo de
elementos estranhos com o objetivo de alterar as suas propriedades eltricas. Da dopagem do
silcio com o fsforo, que possui um eletro a mais, obtm-se um material com eletres livres
(camada tipo ), este eletro pode mover-se livremente dentro do cristal transportando com
ele a carga eltrica. Dopando o silcio com boro obtm-se um material com falta de eletres
(camada tipo ), devido ausncia do eletro temos assim uma lacuna no cristal por cada
tomo de boro introduzido. Cada clula fotovoltaica constituda por uma camada fina de
material do tipo que est orientada para o Sol, e uma outra de maior espessura de material
do tipo . Da juno das duas camadas os eletres livres existentes na camada do tipo
ocupam os espaos vazios (lacunas) na camada do tipo [5].
10
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Quando a luz solar incide na clula fotovoltaica, os fotes so absorvidos pelos eletres,
fornecendo energia suficiente para quebrar as ligaes dos eletres. Os eletres libertados
so conduzidos atravs do campo eltrico para a camada . As lacunas assim criadas seguem
na direo contrria, ou seja, para a camada do tipo . Da juno da camada camada do
tipo com um condutor completar-se- um circuito eltrico, permitindo desta forma que os
eletres fluam para a camada , criando uma corrente eltrica. Este fluxo de eletres
manter-se- enquanto a luz solar incidir na clula sendo que a intensidade da corrente
eltrica variar da mesma forma que a luz solar incidente varia [5].
Si-monocritalino 24,7 18 16
Si-policristalino 20 16 13-14
Nos ltimos anos tem-se vindo a desenvolver outros tipos de clulas, com o objetivo de
diminuir o consumo de silcio, por requerer elevadas temperaturas na sua produo e um grau
de pureza elevado. As clulas de Disselenieto de Cobre e ndio ou as clulas de Telureto de
Cdmio so exemplos de clulas mais eficientes e baratas do que as clulas de silcio amorfo,
no entanto, contm cdmio que um material perigoso. Muitas novas tecnologias esto ainda
em fase de estudos, mas prometem grandes eficincias e custos muito baixos, no entanto o
seu processo de desenvolvimento tecnolgico no dever permitir que tenham expresso
significativa no mercado no prximo 10 a 15 anos. De referir por exemplo o Arsnio de Glio,
que apresenta rendimentos que podem chegar a 25% mas que tm custos de produo muito
elevados [5].
11
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 2.3 - Curva I-V e P-V para uma clula tpica de silcio monocristalino.
12
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Ao contrrio dos sistemas solares trmicos, um mdulo fotovoltaico vai produzindo menos
medida que vai aquecendo. Analisando a Figura 2.4 verifica-se que o valor da tenso em
circuito aberto baixa com o aumento da temperatura, enquanto que o valor da corrente de
curto-circuito pouco varia. A temperatura dos painis solares fotovoltaicos varia
essencialmente com a irradincia solar, a temperatura ambiente e a velocidade do vento.
13
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 2.5 Inclinao tima para diferentes pocas do ano [13, 14].
14
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
sistemas autnomos/hbridos;
sistemas ligados rede
Os sistemas autnomos podem ter potncias que variam desde os miliwatt at aos
kilowatt. A fim de garantir o abastecimento de eletricidade em dias com fraca ou nenhuma
radiao solar, a maioria dos sistemas autnomos tem um sistema de armazenamento
integrado (baterias). Existe uma enorme variedade de sistemas autnomos, as suas aplicaes
variam desde mquinas calculadoras e relgios, at sistemas de controlo de trfego ou at
mesmo sistemas capazes de alimentar habitaes situadas em locais remotos, onde no existe
uma rede eltrica. Estes sistemas podem ser implementados apenas com o mdulo
fotovoltaico como gerador de eletricidade ou com fontes de energia auxiliares, sendo
conhecidos como sistemas hbridos. Os geradores adicionais podem ser alimentados a
combustveis fsseis (por exemplo fuel ou gs) ou a energias renovveis (por exemplo elica,
hdrica ou biomassa), complementado assim a produo fotovoltaica [11].
15
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Por norma estes sistemas utilizam um elevado nmero de mdulos FV, embora com a
promoo da microgerao comecem a aparecer tambm sistemas de dimenses reduzidas,
sem necessidade de recurso a baterias. No entanto, o inversor tem que possuir caractersticas
adequadas satisfao dos requisitos que a ligao impe, de modo a no afetar a qualidade
da energia. Nestes sistemas fotovoltaicos ligados rede o critrio de dimensionamento a
maximizao de energia produzida.
2.3.8 - Inversores
Tal como referido anteriormente, os mdulos fotovoltaicos podem ser ligados em srie,
em paralelo ou em associaes srie-paralelo. O tamanho e nmero das filas so
determinados com base na escolha do inversor, tendo em conta a potncia de sada do
mdulo.
Uma vez que os sistemas fotovoltaicos tradicionais utilizam tanto a componente direta
como a difusa da radiao solar, ainda continuam a ser uma boa opo para ser instalado em
zonas onde existem frequentemente condies de cu nublado. Ao contrrio dos sistemas de
concentrao, o FV tradicional no necessita de um sistema de seguimento solar embora
possa t-lo [13].
A produo diria dos sistemas estudados foi monitorizada para os primeiros seis dias do
ms de Agosto com diferentes condies climatricas:
16
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 2.6 - Radiao solar incidente nos diferentes sistemas analisados [12].
Da anlise do grfico da Figura 2.6 pode-se constatar que a radiao solar incidente em
todos os sistemas muito irregular, o que sugere que o dia 1 de Agosto foi claramente
afetado pela presena de nebulosidade. Neste caso, os sistemas FV convencionais tm uma
produo de energia superior dos sistemas CPV (ver Figura 2.7). Tal deve-se ao facto de
que, como j foi referido anteriormente, estes sistemas aproveitarem a componente direta e
difusa da radiao solar, que maior em dias nublados do que em dias de cu limpo.
Para os dias em que se verificam condies de cu limpo, como por exemplo no dia 3 de
Agosto, o sistema CPV, como seria de se esperar, consegue produzir mais energia eltrica
quando comparado com os sistemas tradicionais.
17
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
160 149
140 125,8
Potncia instalada [MW]
120 104,1
100
80
58,5
60
40
14,5
20 2,7 2,9 3,4
2,1
0
2003 2004 2005 2006 2007 2008 2009 2010 Out.
2011
Ano
Na Figura 2.9 pode-se ver a comparao entre a potncia instalada a partir das centrais
fotovoltaicas e dos sistemas de microproduo em 2011, para Portugal Continental. Como se
pode ver, dos 149 MW de potncia FV instalada no final de Outubro, grande parte dessa
energia (68,1%) provem das centrais FV em funcionamento, sendo que a microproduo
fica-se pelos (27,6%) no deixando no entanto, de ser um valor assinalvel. Uma vez que no
foi possvel aceder aos dados relativos potncia instalada da miniproduo, estes no so
contabilizados.
18
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
101510
120000
80000
41081
60000
40000
20000
0
Microproduo Centrais FV
2011
Figura 2.9 Comparao da potncia instalada proveniente das centrais FV e microproduo em 2011.
Dados retirados do site renovveis na hora.
6000
5140
5000
Potncia instalada [kW]
4040
3791 3665
4000
3063
2772
3000 2631 2533
2121
1757 1696 1810
2000 1331 1446
1273
781 771
1000 460
Distrito
Figura 2.10 Potncia instalada na microproduo, por distrito em 2011. Baseado nos dados retirados do
site renovveis na hora.
Como se pode verificar, Lisboa apresenta-se como o distrito com maior potncia instalada
(5140 kWp). Inversamente, e apesar de possuir melhores condies para aproveitamento do
recurso solar comparativamente com Lisboa, Portalegre afigura-se como o distrito com menor
potncia instalada (460 kWp). Isto poder estar relacionado com a sua menor densidade
populacional e poder de compra.
Outra anlise que se efetuou foi perceber quais so os tipos de materiais mais utilizados
nas centrais fotovoltaicas a nvel nacional e o tipo de seguimento que estas utilizam. Para
este estudo apenas foram contabilizadas as centrais FV presentes no site da e2p, uma vez que
seria impossvel analisar todos os sistemas FV pertencentes microproduo.
19
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Pela Tabela 2.2 pode-se concluir que os sistemas fixos so os mais utilizados entre as
centrais FV analisadas, independentemente do tipo de sistema utilizado pelas centrais
desconhecidas. Relativamente ao tipo de tecnologia utilizada nos mdulos FV, conclui-se que
h uma predominncia das clulas de silcio policristalino (Si-p) comparativamente s clulas
monocristalinas (Si-m) e amorfas (a-Si).
20
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 3
Estado da arte
3.1 - Introduo
A intensidade da radiao solar incidente no constante, maior no Vero do que no
Inverno e apenas uma parte dela atinge a superfcie terrestre, sendo que esta fortemente
afetada pela presena de nebulosidade, pelo que o conhecimento da evoluo das nvens
muito importante [17]. Devido intermitncia da radiao solar incidente fica claro que a sua
previso assume um papel de enorme importncia para a gesto das centrais solares e
consequentemente da rede eltrica.
Este captulo tem como principal objetivo apresentar algumas metodologias desenvolvidas
para a previso da radiao solar, que permitem antever a produo de energia eltrica nas
centrais solares para diferentes horizontes temporais.
21
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Existem diversos modelos matemticos que permitem simular a radiao solar incidente
na superfcie terrestre. No entanto, para se realizar previses, deve-se ter em conta todos os
processos que ocorrem quando a radiao solar interage com a atmosfera. Dependendo do
horizonte de previso, so utilizadas vrias metodologias na previso da radiao solar. Um
grande passo na direo de melhorar a previso solar a combinao de vrios modelos, com
o objetivo de explorar os pontos fortes de cada um, preenchendo assim as lacunas existentes
nos mesmos. Com uma boa previso da radiao solar pode-se obter uma boa estimativa da
produo de uma central solar.
No artigo escrito por Lorenz et al. [20], pode-se observar um mtodo de previso da
radiao solar, baseando-se no clculo dos vetores de deslocamento das nuvens. O algoritmo
desenvolvido neste artigo consiste nos seguintes passos:
22
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 3.1 Metodologia utilizada para a previso do movimento das nvens [17].
Uma vez que as previses da radiao solar a muito curto prazo, at 6h, no so
suficientes para um planeamento eficiente dos sistemas FV, especialmente para a integrao
na rede eltrica da energia solar, sendo por isso necessrio ter previses para um horizonte
temporal de alguns dias. Para estes casos, os modelos de previso numrica afiguram-se como
sendo a melhor alternativa. Um modelo meteorolgico qualquer modelo que permite
calcular variveis meteorolgicas, como por exemplo a radiao solar. Os modelos NWP fazem
a previso das condies climatricas utilizando as condies meteorolgicas atuais como
entradas de modelos matemticos que simulam o comportamento da atmosfera. Estes
modelos variam desde globais at locais, sendo que os primeiros tm geralmente uma baixa
resoluo e no permitem um mapeamento detalhado das caractersticas em pequena escala.
Portanto, necessrio o uso de modelos de mesoescala regionais juntamente com modelos
NWP para prever os efeitos locais [17].
23
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
MM5 Fifth Generation Penn State I NCAR Penn State University (PSU)/National Center for
Mesoescale Model MM5 Atmospheric Research (NCAR)
24
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Outra vantagem da utilizao das redes neuronais a sua habilidade de lidar com uma
elevada quantidade de dados contendo diversos parmetros relacionados. So capazes de
simplesmente ignorar o excesso de dados com pouca relevncia, concentrando-se desta forma
nos dados mais importantes [24].
Uma RNA constituda por um grupo de neurnios artificiais ligados por caminhos
unidirecionais, interagindo uns com os outros de uma forma adequada. Nestes sistemas, a
excitao efetuada entrada da rede e, com a aplicao de algumas operaes adequadas,
obtm-se a varivel de sada desejada. Nas sinapses h um acumular de potencial, que no
caso dos neurnios artificiais modelado como sendo um peso da conexo. Estes pesos so
constantemente modificados com base em regras de aprendizagem. Como podemos ver na
Figura 3.2, normalmente as RNA so constitudas por uma camada de entrada, uma ou vrias
camadas escondidas e uma camada de sada [25].
25
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
3.2.3.a - Neurnios
O neurnio artificial recebe os valores de entrada (xi) que so ponderados por valores
associados com cada sinapse (w), chamados pesos sinpticos. Inicialmente todos os valores
ponderados so somados e o resultado obtido o nvel de atividade do neurnio ( u). A sada
do neurnio ento processada pela funo de ativao (f(u)). Existem muitos tipos de
funes de ativao, mas os trs tipos mais utilizados so: em degrau, linear e sigmide. O
uso de uma funo no linear, como a funo sigmide, permite RNA aprender
comportamentos no lineares e complexos [26, 27].
As RNA podem ser classificadas quanto sua arquitetura como sendo unidirecionais
(feedforward) ou recorrentes (feedback).
26
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
O mtodo de treino ou aprendizagem de uma rede neuronal pode ser efetuado de duas
formas distintas, supervisionado ou no supervisionado. No treino supervisionado, muitos
dados histricos so fornecidos rede, e a partir deste conjunto de dados a rede neuronal
aprende a correspondncia entre a entrada e a sada. Desta forma, quando a rede for
submetida a um conjunto de teste onde apenas so fornecidas as entradas, ela ir ser capaz
de processar a sada. De uma forma geral, os pesos que conectam cada neurnio na rede so
ajustados com o objetivo de minimizar o erro entre a sada desejada e a sada obtida na rede
[25].
Figura 3.4 Dados da radiao global utlizados em [28]. O conjunto de treino engloba 41 dias, o
conjunto de validao 13 dias e o conjunto de previso 9 dias, perfazendo um conjunto de 63 dias.
27
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(3.1)
De salientar que o modelo ARIMA aplicado com apenas uma diferenciao sazonal, pelo
que o resultado um processo no estacionrio. O resultado da previso realizada no instante
para +1 avaliado pelo improvement calculado atravs da raiz do erro mdio quadrtico
(%) em relao ao modelo de persistncia. Para o modelo ARIMA obteve-se uma
melhoria de 62,89% e para o melhor modelo IA sem variveis adicionais 71,94%. Incluindo as
variveis adicionais, obteve-se uma melhoria de 60,91% para o modelo LR e 74,04% para o
melhor modelo IA que foi a rede neuronal.
Este estudo comprova que, mesmo para um conjunto de dados relativamente pequeno, a
rede neuronal demonstra ser uma ferramenta melhor que os restantes mtodos de previso.
(3.2)
Onde:
28
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Diz-se que procurar uma funo mais paralela ao domnio possvel, significa determinar
valores pequenos para o vetor dos pesos w, o que corresponde a minimizar a medida
[49]. Desta forma, modela-se o problema de otimizao original do SVR com sendo:
(3.3)
{ (3.4)
Nem sempre possvel garantir a viabilidade do problema descrito a cima, isto porque
existem pontos que violam as suas restries. Por este motivo, estuda-se uma funo de
perda, que introduz variveis de folgas no negativas i, i* cuja finalidade penalizar dados
que se situem fora da margem [48]. A formulao do problema fica ento:
{
(3.5)
{ (3.6)
Na Figura 3.5 podemos ver que apenas os pontos localizados fora da fronteira contribuem
para o valor custo da funo.
Figura 3.5 Fronteira da regio que contribui para a funo de custo [48].
29
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Um modelo AR expressa uma srie temporal, como se esta fosse uma funo linear dos
seus valores passados. Ou seja, uma varivel dependente segue um processo auto-
regressivo de primeira ordem, quando o seu valor em um dado momento apenas depende do
seu prprio valor no perodo anterior (-1) e de um termo aleatrio (rudo branco), t, no
correlacionado com , com mdia zero e varincia constante [31]. A ordem de um modelo AR
diz-nos quantos valores passados so includos.
(3.7)
Onde:
30
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(3.8)
O mtodo de mdia mvel aquele onde o valor atual de uma srie temporal pode ser
explicado atravs da soma ponderada dos rudos anteriores, bem como de um rudo
atual [31].
Se uma observao gerada pela mdia ponderada do valor presente e dos primeiros
valores passados, de um processo de rudo branco mais a mdia , ento ela pode ser
modelada por um processo MA(q) [31].
(3.9)
Onde:
(3.10)
O ARMA(1,1) o modelo mais simples que um processo desta natureza pode apresentar.
31
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(3.11)
O modelo ARIMA um caso geral dos modelos propostos por Box e Jenkins, o qual
apropriado para descrever sries no estacionrias, ou seja, sries que no possuem mdia
constante durante o perodo de anlise, nas quais os parmetros so quase sempre pequenos.
Os modelos ARIMA podem possuir termos auto-regressivos e podem ser integrados quando
os seus dados no so estacionrios. De modo a obter-se uma srie estacionria, necessrio
diferenciar vezes a srie original de dados. Para a srie ser estacionria necessrio que a
sua mdia e varincia sejam constantes no tempo [31].
Nesta subseco pode-se ver um mtodo analtico, que atravs dos fatores mencionados
acima nos permite calcular a radiao solar incidente e consequentemente o valor da
produo.
32
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Durante o decorrer do ano, a distncia entre o Sol e a Terra pode variar entre
1,47x108 km e os 1,52x108 km. Esta distncia, , pode ser calculada atravs da equao (3.12)
,
[ ( )] (3.12)
onde o nmero de dias contados a partir do incio do ano e igual a 1,496 108 km, e
representa a distncia mdia do Sol Terra. A constante tambm normalmente
designada como sendo uma unidade astronmica, 1 UA [32].
( ) ( ) (3.13)
A Terra gira uma vez por dia em torno do seu prprio eixo, o eixo polar, a uma velocidade
praticamente constante. O eixo polar orbita em torno do sol, mantendo uma inclinao
33
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
constante de 23,45 relativamente ao plano da elptica. Essa inclinao o que faz com que o
Sol esteja mais alto no Vero e, por consequncia, mais baixo no Inverno. tambm a causa
de haver mais horas de luz solar no Vero do que no Inverno. Na Figura 3.6 pode-se observar a
rbita da Terra em torno do Sol, bem como o eixo polar inclinado [32].
importante salientar que o ngulo entre o plano equatorial e uma linha reta traada
entre o centro da Terra e do Sol est em constante alterao. Este ngulo conhecido como
declinao solar , ver Figura 3.7. Apesar de ela ser diferente ao longo do dia, para os nossos
propsitos ela considerada constante, isto porque a diferena mxima da declinao ao
longo de 24 horas de apenas 0,5 [32].
Figura 3.7 Posio relativa da Terra em relao ao Sol ao meio dia, num dia de declinao negativa
(Inverno no Hemisfrio Norte, Vero no Hemisfrio Sul), adaptado de [32].
[ ] (3.14)
A equao do tempo (equao (3.15)) descreve a diferena entre este tempo solar mdio
e o tempo solar verdadeiro (TSV) que varia consoante o lugar e o dia do ano [33].
34
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(3.15)
onde,
(3.16)
(3.17)
18
16
14
12
10
8
6
4
minutos
2
0
-2
-4 1 31 61 91 121 151 181 211 241 271 301 331 361
-6
-8
-10
-12
-14
-16
Dia Juliano
Figura 3.8 Diferena entre o tempo solar mdio e o tempo solar verdadeiro ao longo um ano.
Como se sabe o planeta Terra est dividido em 24 meridianos, com origem no meridiano
Greenwich, que est na longitude 0. Estes meridianos do origem aos fusos horrios. Uma
vez que o Sol demora 1 hora a percorrer 15 de longitude, necessrio aplicar um fator de
correo da longitude em que este dever ser somado ou subtrado ao tempo local.
A equao que nos permite calcular o tempo solar verdadeiro, a equao (3.18).
(3.18)
Onde:
35
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Uma vez calculado o tempo solar verdadeiro pode-se prosseguir para o clculo do ngulo
solar. O ngulo horrio solar varia de 15 por cada hora e ser nulo ao meio-dia (12 horas) de
cada dia e considerado negativo no perodo da manh e positivo no perodo da tarde, como
podemos ver na equao (3.19).
(3.19)
O znite a direo vertical sobre o plano horizontal. A distncia zenital o ngulo entre
o znite e a direo dos raios provenientes do Sol. Esta ainda pode ser relacionada com a
elevao solar atravs da equao (3.20).
(3.20)
A elevao solar o ngulo entre o plano horizontal e a direo dos raios provenientes do
Sol. O azimute solar o ngulo formado entre a direo Sul e a projeo da linha Sol-Terra
36
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
sobre o plano horizontal. A elevao solar e o azimute solar podem ser calculados,
respetivamente, atravs das equaes (3.21), (3.22) e (3.23),
[ ] (3.21)
[ ] (3.22)
[ ] (3.23)
Figura 3.10 ngulo de incidncia dos raios solares no plano inclinado, adaptado de [32].
O ngulo de incidncia solar entre os raios do sol e a normal superfcie pode ser
calculada pela equao (3.24).
[
] (3.24)
37
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
[ ] (3.25)
[ ( )] (3.26)
radiao direta;
radiao difusa.
38
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 3.12 Trajetria dos raios solares ao passar pela atmosfera [35].
Como percetvel na Figura 3.12, o mximo de radiao que atinge a superfcie terrestre
ocorre quando o sol est sobre a posio de znite. nesta posio que um raio solar
percorre um menor caminho at atingir a superfcie.
(3.27)
Para dias em que se verifique cu limpo, a radiao global no plano horizontal pode ser
obtida pela equao (3.28) [32]:
(3.28)
Nos ltimos anos tm surgido bastantes mtodos de previso. Por este motivo, existe a
necessidade de utilizar uma metodologia padro para a apresentao dos resultados
relativamente preciso de um mtodo de previso, a fim de ter uma ideia das vantagens e
desvantagens do modelo analisado. A avaliao do desempenho do modelo de previso pode
39
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
ser realizada por intermdio de indicadores estatsticos, e existem vrias vertentes de anlise
do erro, porm no h consenso acerca dos critrios de erro a utilizar [40].
(3.29)
Apesar da sua simplicidade, este modelo difcil de superar pelo menos nos primeiros
instantes do horizonte temporal (e. g. 4 a 6 horas). Uma generalizao do modelo da
persistncia consiste em substituir o ltimo valor medido pela mdia dos n ltimos valores
medidos.
(3.30)
(3.31)
(3.32)
de salientar que, durante a explicao dos erros, corresponde ao nmero total dos
erros de previso.
40
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Todos os erros de previso podem ser decompostos num erro sistemtico e num erro
aleatrio .
(3.33)
A avaliao do erro sistemtico pode ser feita pela anlise do BIAS; este estimado como
sendo o erro mdio durante todo o perodo de avaliao, e calculado para cada horizonte.
(3.34)
MAE (Mean Absolute Error), em portugus o erro mdio absoluto. Sendo que a
expresso geral dada pela equao (3.35):
| | (3.35)
RMSE (Root Mean Square Error), em portugus raiz do erro mdio quadrtico. Antes
de apresentar o RMSE conveniente introduzir o erro mdio quadrtico (MSE):
(3.36)
Sendo assim, a raiz do erro mdio quadrtico dada pela equao (3.37):
(3.37)
(3.38)
de salientar que tanto os erros sistemticos como os erros aleatrios contribuem para o
valor de RMSE.
Todos os erros de medio apresentados acima, podem ser calculados a partir do erro de
previso ou pelo seu valor normalizado . interessante utilizarmos as medidas
de erro normalizadas, uma vez que produzem resultados independentemente da capacidade
da central fotovoltaica ou do parque elico.
41
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
| |
(3.39)
(3.40)
(3.41)
(3.42)
onde representa o erro mdio quadrtico para modelo global, sendo que a mdia
estimada para os dados disponveis.
42
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(3.43)
Onde:
P a potncia eltrica;
A corresponde rea total do sistema PV;
a frao em funcionamento da central PV;
radiao solar;
o valor da eficincia dos mdulos utlizados;
inv o valor da eficincia do inversor utilizado.
A principal e nica vantagem deste modelo a sua simplicidade. Este modelo, em juno
com o modelo de previso da radiao solar em dias de cu limpo, permite ter de uma forma
rpida uma estimativa preliminar do potencial de um sistema fotovoltaico a ser construdo
num dado local.
No artigo desenvolvido por Rahman et. al. [37], pode-se ver outro modelo que permite
calcular a produo eltrica em dias de cu limpo. O modelo proposto igual ao anterior,
sendo que considera que a frao da central FV em funcionamento sempre =1.
No entanto, de modo a que este modelo seja capaz de realizar previses mais eficazes
para dias com nuvens e de chuva, foi estudada a performance do painel fotovoltaico perante
diferentes condies climatricas. Durante vrios dias foi registada a previso do estado do
tempo atravs do modelo 1-day-ahead, como tambm se procedeu medio da produo
produzida pelo painel fotovoltaico. De seguida calculou-se o rcio () entre o valor medido de
produo do painel fotovoltaico para diferentes condies climatricas e a produo do
painel fotovoltaico estimada para dia de cu limpo.
de salientar que os rcios calculados apenas podem ser utilizados para realizar previses
para o local onde estes foram estimados.
43
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
No modelo desenvolvido por Yona et. al. [38], a previso de produo de potncia de
sistemas fotovoltaicos para um horizonte temporal de 24 horas efetuada atravs de redes
neuronais. Neste artigo os autores tiveram em conta a radiao de cada ms e confirmaram a
validade do uso de RN para prever radiao atravs de simulaes por computador. O mtodo
proposto utilizou dados meteorolgicos e no requereu clculos complicados nem modelos
matemticos.
Aps uma anlise comparativa entre os valores medidos e os previstos, foi possvel
encontrar um mtodo de clculo da produo de energia do sistema FV. O mtodo proposto
pode ser visto na equao (3.44),
[ ] (3.44)
onde:
P a potncia eltrica;
a eficincia da clula FV;
A corresponde rea da instalao;
G corresponde radiao solar;
t0 a temperatura ambiente.
Neste modelo assume-se que o total da radiao solar incidir sobre clula FV e instalao
solar, no tendo em considerao o ngulo de incidncia solar nem o ngulo de inclinao da
instalao solar. Como a rea da instalao solar constante, a potncia funo da
temperatura do ar, da insolao e da eficincia do painel.
No artigo desenvolvido por Fuentes et. al. [39], so apresentados alguns modelos, para o
clculo da potncia gerada por um painel FV. O modelo mais simples apenas tem como
entrada a irradiao global no plano do painel, e o valor da produo FV calculada atravs
da equao (3.45).
(3.45)
Onde:
Ainda neste artigo proposto um modelo ligeiramente mais complexo, mas que baseado
no modelo anterior. Esse modelo apresentado na equao (3.46),
[ ] (3.46)
44
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
onde:
(3.47)
onde:
O modelo de previso desenvolvido por Lorenz et. al. [41] utiliza modelos NWP com
previses da radiao solar fornecidos pelo European Centre for Medium-Range Weather
Forecasts (ECMWF). O modelo executado pela ECMWF fornece previses da radiao solar e
parmetros das nvens para um horizonte de at 3 dias. Estas previses tm uma resoluo
temporal de 3 horas e uma resoluo espacial de 25 km x 25 km.
45
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Num primeiro instante, as previses dos modelos NWP fornecidos pelo ECMWF so
refinadas atravs de um modelo MOS (Model Output Statistics). Desta forma, as previses,
que at ento tinham uma resoluo temporal de 3 horas, so transformada em previses
para uma escala horria a nvel local. Aps este processo, as previses da irradincia no plano
horizontal so convertidas para o plano dos painis, atravs do conhecimento da sua
localizao e orientao. Finalmente, a partir das previses da irradincia no plano inclinado,
das caractersticas do parque fotovoltaico e da aplicao de um modelo de simulao FV,
possvel prever a produo eltrica. Os resultados obtidos por este modelo para um perodo
de seis dias so ilustrados na Figura 3.14.
Figura 3.14 Desempenho do modelo de previso para um local especifico, para 6 dias de Maio
de 2007 [41].
Neste artigo realizada uma anlise detalhada da preciso das previses da produo FV
para um conjunto de 11 sistemas FV.
Esta anlise foi ainda complementada com a avaliao das previses da irradincia no
plano inclinado para local do sistema FV, e uma anlise das previses da irradincia no plano
horizontal para as estaes meteorolgicas localizadas na mesma regio. Os erros de previso
da produo FV esto intimamente relacionados com os erros da previso da irradincia
inclinada, pelo que os seus valores so semelhantes. A qualidade das previses da irradiao
horizontal com um rRMSE=44% para Abril e um rRMSE=28% para Julho, ligeiramente melhor
que a qualidade das previses realizadas da irradincia no plano inclinado. Os erros de
previso so amplificados pela converso da irradincia para o plano inclinado.
Pela anlise conjunta dos 11 sistemas FV o erro foi reduzido para rRMSE=39% em Abril e
para rRMSE=22% em Julho.
46
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 4
4.1 - Introduo
Vrios modelos utilizados na previso do recurso solar foram propostos no captulo
anterior. Uns recorrem s previses dos modelos de previso numricos das variveis
meteorolgicas como dados de entrada, de modo a preverem a produo solar, outros
simplesmente utilizam mtodos de regresso para a previso do mesmo. A presente
dissertao tem como objetivo o desenvolvimento de um modelo de previso que permita
antever a produo solar para um curto prazo de tempo.
47
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Os dados histricos da produo horria medida foram fornecidos pela Novenergia II,
empresa proprietria pela central FV analisada, para um perodo desde 08-06-2010 at
02-11-2011. Infelizmente no foram fornecidos dados relativamente ao ms de Janeiro de
2011.
48
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
CEST (Central European Summer Time) para CET (Central European Time). No
perodo de Vero o relgio adiantado 1 hora e por isso nessa ocasio utilizada
a hora em CEST. Para sincronizar a hora neste perodo, subtrada 1 hora hora
local entre 28-03-2010 01:00 UTC e 31-10-2010 01:00 UTC, e entre 27-03-2011
01:00 UTC e 30-10-2011 01:00 UTC.
CET para UTC. subtrada 1 hora hora local.
4.3.2 - Estandardizao
Os dados de entrada dos modelos de aprendizagem automtica foram estandardizados, ou
seja, as variveis com escalas diferentes so expressas numa determinada gama de valores,
neste caso entre [-1;1]. Concretamente, neste trabalho adotou-se como mtodo de
estandardizao de dados o Mtodo Min-Max, pois segundo [42] este um dos melhores
mtodos para esse efeito. O mtodo utilizado para a estandardizao dos valores denomina-
se Min-Mx. Esta tcnica aplicada uma vez que so conhecidos os valores mximos e
mnimos das variveis. Sendo e os valores mnimos e mximos do conjunto de dados
, os valores estandardizados na escala [ ; ] so obtidos atravs da seguinte
expresso.
(4.1)
O processo inverso, que transforma a escala das variveis estandardizadas na escala real
designado por destandardizao, sendo expresso pela seguinte equao:
(4.2)
Nos dados histricos da produo horria medida, de modo a assegurar que todas as
previses da produo so positivas, foi aplicada uma transformao srie de dados. Como
podemos ver no artigo escrito por Bremnes [43], utilizada uma transformao nos dados da
produo que coloca os seus valores entre [ e ]. A transformao utilizada pode ser vista
na equao (4.3).
( ) (4.3)
49
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
( ) (4.4)
Na Figura 4.2 pode-se ver a estrutura de cada modelo desenvolvido. Cada um destes
modelos ser comparado com um modelo de referncia, de forma a analisar a sua
performance. Na implementao da previso da produo global utilizam-se modelos de
aprendizagem computacional (Redes Neuronais e Support Vector Machines) bem como
modelos estatsticos. Os modelos de previso desenvolvidos apresentam previses horrias
para um horizonte temporal de 72 horas.
Histrico de dados
Dados NWP
de produo
Rede Neuronal
Previso horria da
Potncia FV
Horizonte temporal de
72 horas
50
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Como foi descrito na seco 3.4.1, a previso a partir do modelo da persistncia pura
consiste em assumir que a produo FV no sofre alteraes nos instantes futuros, ou seja, o
valor da produo prevista toma o mesmo valor que no instante anterior previso como
pode ser visto na equao 3.29.
Embora este modelo seja muito utilizado como referncia na previso da produo elica,
no pode ser diretamente aplicado previso solar. Neste tipo de previses a persistncia
pura apresenta uma forte limitao: durante o perodo da noite no existe radiao solar,
logo no haver produo eltrica a partir dos sistemas FV. Portanto, se efetuarmos uma
previso em (12:00 horas UTC) atravs do modelo da persistncia, este lanar
previses da produo iguais produo do instante anterior, ou seja, assume que nas
prximas 72 horas a potncia eltrica ser igual a . fcil de entender que esta
suposio est completamente errada pois sabe-se que no pode haver produo eltrica FV
durante a noite.
Foi necessrio adotar outro modelo de referncia, tendo-se optado pelo modelo
paramtrico de estimativa da radiao solar para condies cu limpo descrito no captulo 3,
ao qual se denominou de persistncia geomtrica.
A Figura 4.3, ilustra a evoluo diria da irradiao solar no plano inclinado dos mdulos
da central FV, ao longo do ano 2011.
51
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Concludos os clculos referentes irradiao solar, esta pode ento ser convertida em
potncia eltrica. A funo utilizada para a converso, foi a seguinte.
Onde:
3500
3000
2500
Potncia [kW]
2000
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Horizonte (h)
Potncia prevista pelo modelo persistncia pura Potncia prevista pelo modelo persistncia geomtrica
Figura 4.4 Produo prevista atravs do modelo da persistncia pura e persistncia geomtrica, no
instante =12.
52
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Como podemos ver pela Figura 4.4 e Figura 4.3, o modelo da persistncia geomtrica
afirma que apenas haver produo eltrica nas horas em que existe radiao solar. Por outro
lado, o modelo da persistncia pura assume que a produo eltrica ser igual a 2533,8 kW
durante as prximas 72 horas. Sendo assim, daqui para a frente o modelo de referncia
utilizado ser o modelo da persistncia geomtrica, pois este que melhor se ajusta s
condies reais.
Na Figura 4.5 e Figura 4.6, podemos ver dois exemplos da aplicabilidade do modelo
persistncia geomtrica.
3500
3000
2500
Potncia [kW]
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h)
Potncia Medida Potncia Prevista
Figura 4.5 Comparao da produo prevista e da produo medida para o dia 21 de Julho de 2010.
2500
2000
Potncia [kW]
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h)
Potncia Medida Potncia Prevista
Figura 4.6 - Comparao da produo prevista e da produo medida para o dia 21 de Dezembro de
2010.
Como se pode verificar atravs da Figura 4.5 e Figura 4.6, para um tpico dia de Vero,
em que se verificam condies de cu limpo, o modelo da persistncia geomtrica apresenta
uma boa aproximao entre a produo prevista e a produo real. No entanto, para um dia
tpico de Inverno, claramente afetado pela presena de nebulosidade, a aproximao do
modelo da persistncia geomtrica bastante deficiente.
53
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
De forma a analisar corretamente uma srie de dados, a sua visualizao grfica muito
importante.
A funo de autocorrelao (ACF) definida como a correlao entre uma srie e ela
mesma, atrasada de passos ou lags.
A Figura 4.7 e a Figura 4.8 mostram a srie de produo medida do parque fotovoltaico
em estudo. As retas horizontais azuis identificadas no grfico da Figura 4.7 e da Figura 4.8
representam limites de um intervalo de confiana de 95%.
54
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura 4.8 Grfico de Autocorrelao Parcial (PACF) da srie da produo eltrica medida.
Tendo em conta todos estes aspetos, pode-se iniciar o processo de estimativa das ordens
do SARIMA. Para tal recorreu-se ao software R, que estima automaticamente qual o melhor
modelo para a srie em anlise. O SARIMA(4,1,4)x(8,0,5)24 foi o modelo selecionado.
Uma vez que o MATLAB R2009b no est devidamente otimizado para operar com modelos
SARIMA, foi necessrio transformar o modelo SARIMA num ARMA. A funo utilizada para a
converso descrita na equao (4.5):
(4.5)
O modelo resultante foi um ARMA(197,124). No entanto, como este modelo ainda apresenta
um elevado grau de complexidade, foi necessrio recorrer a modelos mais simples. Foram
selecionados trs novos modelos:
55
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
4.6.1 - ARMA
Um modelo ARMA, apresenta caractersticas simultaneamente de um processo AR e de um
processo MA. Este modelo caracterizado pelos seus valores passados e pelos erros
aleatrios correntes e passados. Conforme mostrado no captulo 3, um modelo ARMA pode ser
representado pela equao (3.10).
Uma vez selecionada a estrutura do modelo, bem como as suas ordens, o prximo passo
consiste em estimar os respetivos coeficientes deste modelo. Os coeficientes do processo AR
podem ser estimados atravs do mtodo dos mnimos quadrados. A estimao dos parmetros
do processo MA necessita normalmente de um mtodo de iterao mais complexo.
Na prtica, estimar os coeficientes bastante mais simples, j que estes podem ser
calculados atravs de um programa computacional. Utilizando a funo ARMAX disponvel no
MATLAB R2009b, possvel calcular os coeficientes p (coeficientes do AR) e q (coeficientes
do MA) do modelo ARMA. Estes coeficientes, e a respetiva funo do modelo ARMA, podem ser
vistos no Anexo A.1.
importante salientar, que para este modelo os coeficientes foram estimados para a srie
de dados da produo no transformada, ou seja, no foi aplicada a transformao descrita
pela equao (4.3). Por este motivo, as previses da potncia por vezes apresentavam valores
negativos, pelo que, sempre que tal se verificou a potncia foi alterada para zero.
4.6.2 - AR
Como foi descrito no captulo 3, se a observao gerada pela mdia ponderada das
primeiras observaes anteriores da varivel, acrescida de um erro aleatrio t, ento ela
pode ser modelada por um processo AR(p). Este tipo de modelo pode ser representado pela
equao (3.7).
Uma vez mais, com o auxlio da funo ARMAX existente no MATLAB R2009b, possvel
calcular os coeficientes p dos modelos AR. Os coeficientes, e a respetiva funo dos modelos
AR podem ser vistos no Anexo A.2 e A.3.
56
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
A Figura 4.9 apresenta, de uma forma geral, a arquitetura dos modelos de previso a
partir das RN. Este modelo caraterizado por realizar previses da potncia eltrica atravs
de dados de previses meteorolgicas previstas pelo modelo NWP, juntamente com a possvel
adio de variveis que possam ser relevantes.
Previses
Variveis
Meteorolgicas
adicionais
NWP
Rede
Neuronal
Potncia
prevista
57
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(4.6)
4.7.1.b - 1 Fase
Nesta primeira fase foi necessrio escolher dentro das variveis meteorolgicas previstas
pelo modelo NWP quais as variveis explicativas. Para isso, cada uma das variveis foi inserida
individualmente na camada de entrada da RN, com o objetivo de verificar quais as que
tinham um maior coeficiente de correlao (). Como nesta fase apenas se queria selecionar
as variveis mais relevantes, apenas se utilizou os dados NWP com previses efetuadas s
00:00 UTC.
Como podemos verificar na Tabela 4.1, de todas as variveis NWP a que apresenta menor
correlao LW, ou seja, a varivel menos influente no valor da produo eltrica. Como
seria de esperar, SW (radiao no comprimento de onda curta superfcie) que de facto a
radiao global incidente, a varivel com maior coeficiente de correlao.
58
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
De seguida, e uma vez que U10 e V10 no so nada mais do que a decomposio do vetor
WSPD nas componente e , foram criados dois arranjos distintos em que a camada de
entrada era constituda por apenas variveis relacionadas com o vento, com o objetivo de
verificar qual dos dois seria o melhor.
R 0,354 0,337
Analisando a Tabela 4.2 conclui-se que o arranjo das variveis U10, V10 e WDIR apresenta
um desempenho superior ao arranjo constitudo por WSPD e WDIR. Sendo assim, WSPD,
imagem de LW, tambm ser descartada.
Finalizada a seleo das variveis explicativas, foi criada uma tabela de verdade com o
intuito de encontrar o conjunto de entrada ideal. Para a construo da tabela de verdade,
numa primeira instncia, as variveis comeam por ser testadas duas a duas, de seguida so
testadas trs a trs, etc., at obtermos a combinao perfeita. Como nesta etapa apenas se
pretende encontrar o melhor arranjo de variveis, mais uma vez s foram utilizados os dados
NWP com as previses efetuadas s 00:00 UTC. O conjunto de dados inserido o j
considerado anteriormente (10-06-2010 at 10-06-2011).
59
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
1 1 0 0 0 0,599 4,73x107
1 0 1 0 0 0,622 4,96x107
1 0 0 1 0 0,611 4,75x107
1 0 0 0 1 0,627 4,88x107
0 1 1 0 0 0,164 7,51x107
0 1 0 1 0 0,275 7,02x107
0 1 0 0 1 0,324 6,91x107
0 0 1 1 0 0,352 6,68x107
0 0 1 0 1 0,340 6,75x107
0 0 0 1 1 0,302 6,97x107
1 1 1 0 0 0,605 4,82x107
1 1 0 1 0 0,627 4,69x107
1 1 0 0 1 0,619 4,63x107
1 0 1 1 0 0,608 4,72x107
1 0 1 0 1 0,637 4,71x107
1 0 0 1 1 0,630 4,54x107
0 1 1 1 0 0,342 6,76x107
0 1 1 0 1 0,327 6,85x107
0 1 0 1 1 0,365 6,62x107
0 0 1 1 1 0,349 6,64x107
1 1 1 1 0 0,628 4,47x107
1 1 1 0 1 0,638 4,77x107
1 1 0 1 1 0,624 4,73x107
1 0 1 1 1 0,638 4,58x107
0 1 1 1 1 0,372 6,77x107
1 1 1 1 1 0,636 4,54x107
Como podemos constatar atravs da Tabela 4.3, existem dois arranjos de variveis que
obtiveram o mesmo valor de (SW, T2, U10 e WDIR) e (SW, U10, V10 e WDIR). No entanto,
como o segundo arranjo tem um (erro mdio quadrtico) inferior, este seria a melhor
escolha.
Contudo, esperava-se que o arranjo que inclui todas as variveis (SW, T2, U10, V10 e
WDIR) tivesse um desempenho melhor que os restantes, mas como se pode verificar na Tabela
4.3 este obteve um ligeiramente inferior ao arranjo descrito no pargrafo anterior. No
60
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
de salientar que os valores de so muito elevados, devido ao facto de, nesta etapa,
os dados do conjunto de entrada ainda no se encontrarem estandardizados. No Anexo C.1
apresentam-se as imagens do valor de correspondentes aos trs melhores arranjos, e os
respetivos .
4.7.1.c - 2 Fase
Concluda a seleo das variveis explicativas presentes nos dados NWP, nesta fase sero
adicionadas ao conjunto de entrada novas variveis consideradas relevantes, com o intuito de
melhorar a performance da RN.
Como se pode verificar atravs da anlise do primeiro arranjo de variveis da Tabela 4.4,
e do ltimo arranjo da Tabela 4.3, a estandardizao das variveis de entrada melhora e
muito a performance da RN, obtendo-se um aumento de sensivelmente 30% do valor do em
relao ao conjunto de entrada no estandardizado. A adio do horizonte temporal tambm
melhora, embora muito pouco, o desempenho da RN, obtendo um aumento na performance
de aproximadamente 0,5% em comparativamente ao conjunto de entrada anterior. Tambm
se pode constatar, que os dados NWP com as previses s 12:00 UTC permitem um
desempenho superior comparativamente s previses 00:00 UTC. Por este motivo, todas as
alteraes que possam vir a ser efetuadas estrutura das RN, sero apenas comparadas com
os dados NWP s 12:00 UTC. No entanto, na avaliao dos modelos finais os dados NWP s
00:00 UTC tambm so considerados.
Como se pode ver, por exemplo na Figura 4.4, a produo eltrica diria extremamente
dependente do ciclo dirio. Este ciclo repete-se ao longo do ano dando assim origem a uma
evoluo harmnica. Sendo assim, o ciclo anual pode ser modelado como uma soma de senos
e co-senos, semelhana de uma srie de Fourier [47].
61
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(4.7)
Onde:
De forma a eliminar o ciclo diurno, o horizonte temporal foi ento decomposto com
base numa srie de Fourier. De modo a encontrar-se os ndices dos harmnicos mais
relevantes, foram adicionadas ao conjunto de entrada da RN as componentes em seno e
co-seno de para os diversos ndices testados. Portanto, o conjunto de entrada ser
constitudo por SW, T2, U10, V10, WDIR, Hcos_k e Hsen_k, onde o ndice do harmnico
utilizado.
k R MSE
1 0,949 0,0085
2 0,946 0,0095
3 0,933 0,0112
4 0,931 0,0105
Constata-se que apenas houve melhoria do modelo para os dois primeiros valores de ,
tendo para =1 o modelo com melhor desempenho. Tambm se pode verificar que, medida
que aumentamos o ndice do harmnico, h um declnio na performance do modelo, sendo
que no faria muito sentido continuar a testar mais ndices.
Como se obteve uma melhoria no desempenho para dois ndices diferentes, optou-se por
testar se o modelo teria melhor desempenho com apenas as componentes seno e co-seno para
=1, ou com a juno das componentes para =1 e =2.
1 1 1 1 1 1 1 0 0 0,949 0,0085
1 1 1 1 1 1 1 1 1 0,953 0,0080
62
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Atravs da Tabela 4.6 pode-se verificar que a juno das componentes seno e co-seno dos
dois harmnicos conduz a um desempenho ligeiramente superior comparativamente ao
modelo com a utilizao de apenas o harmnico para =1.
SW T2 U10 V10 WDIR WDIRcos WDIRsen Hcos_1 Hsen_1 Hcos_2 Hsen_2 R MSE
1 1 1 1 1 0 0 1 1 1 1 0,953 0,0080
1 1 1 1 0 1 1 1 1 1 1 0,956 0,0088
Como se pode verificar pela anlise da Tabela 4.7, apesar de no ser uma diferena muito
significativa, h um aumento no desempenho do novo modelo. No Anexo C.1 apresentam-se as
imagens dos testes efetuados nesta fase.
WDIRcos WDIRsen
REDE
NEURONAL
Potncia
Elctrica
Importa salientar que foram utilizadas duas redes neuronais, com as mesmas
caractersticas, uma para a previso da potncia eltrica a partir dos dados NWP s 12:00 UTC
(RN12) e outra para os dados NWP s 00:00 UTC (RN00). Cada rede constituda por uma
camada de entrada, uma camada intermdia e uma camada de sada. As redes tm 10
entradas e 1 sada cada. A camada intermdia constituda por 21 neurnios e a funo de
ativao utilizada a tangente sigmide.
63
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Para o mesmo conjunto de treino das RN, e com a mesma distribuio dos dados com 70%
para treino, 15% para validao e os outros 15% para teste, obtiveram-se os seguintes
resultados:
R MSE
SVR 0,91 0,0092
semelhana do que foi feito nas RN, tambm foram desenvolvidos dois SVM com as
mesmas caractersticas, um para a previso da produo eltrica a partir dos dados NWP s
12:00 UTC (SVM12) e outro para os dados NWP s 00:00 UTC (SVM00).
64
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 5
Resultados
5.1 - Introduo
Uma vez desenvolvidos os vrios modelos, neste captulo so apresentados os resultados
relativamente aplicao dos mesmos na resoluo de problemas reais.
Como se pde ler na seco 4.5, a persistncia geomtrica apresenta-se como o modelo
de referncia com melhor desempenho. A essncia deste captulo ser avaliar o desempenho
dos modelos desenvolvidos, sendo que, alm de comparados com o modelo de referncia,
tambm sero comparados entre si. Para efetuar o diagnstico do desempenho dos modelos
de previso pode-se recorrer a diversos indicadores estatsticos, vulgarmente apelidados de
indicadores de erro.
O mtodo utilizado para avaliao do erro dos modelos propostos foi o . Neste
mtodo, o erro sofre uma transformao relativamente ao erro proposto na sub-seco
3.3.2.a, a qual consiste simplesmente em passar o erro para a forma percentual. O
(Normalize Mean Absolute Percentage Error) caraterizado pela seguinte equao (5.1):
| |
(5.1)
65
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Onde:
(5.2)
Onde:
Como se viu no captulo 3, existem modelos que necessitam de treino prvio (RN e SVM).
Por este motivo foi necessrio dividir o conjunto de dados em dois sub-conjuntos distintos:
66
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
sempre a um horizonte de trs meses com discretizao horria. Na Tabela 5.1, apresenta-se
a anlise do e do Improvement para todos os modelos desenvolvidos.
Tabela 5.1 Comparao e anlise do erro de previso para os diversos modelos desenvolvidos.
Persistncia
8,85 ---- 7,05 ----
Geomtrica
Verifica-se, da anlise da Tabela 5.1, que para o perodo de Inverno os modelos que
apresentam melhor desempenho so as RN. Era expectvel que fossem estas, uma vez que,
devido sua capacidade de aprendizagem e pelo facto de serem auxiliadas pelas previses
meteorolgicas, as RN so mais eficazes a prever a possvel presena de nuvens, efetuando
assim previses mais precisas. Tambm de salientar o melhor desempenho da RN12
comparativamente RN00, demonstrando que as previses do modelo NWP para as 12:00 UTC
so efetivamente mais precisas que as previses efetuadas para as 00:00 UTC. Quando
interrogado relativamente a esta concluso, o grupo de investigao da Universidade de
Lisboa disse que na prtica, no deveria haver diferenas entre as previses dos dois modelos.
No entanto, tambm afirmaram que quando se efetuam as previses meteorolgicas s
12:00 UTC, normalmente existe uma maior quantidade de observaes processadas pelo
modelo mesoescala, pelo que possvel que estas previses sejam mais precisas.
67
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
3000 3000
2500 2500
2000 2000
Potncia [kW]
Potncia [kW]
1500 1500
1000 1000
500 500
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h) Horizonte (h)
Potncia Medida Potncia prevista RN12 Potncia Medida Potncia prevista RN00
3000 3000
2500 2500
2000 2000
Potncia [kW]
Potncia [kW]
1500 1500
1000 1000
500 500
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
3000 3000
2500 2500
2000 2000
Potncia [kW]
Potncia [kW]
1500 1500
1000 1000
500 500
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h) Horizonte (h)
Potncia Medida Potncia prevista AR29 Potncia Medida Potncia prevista AR173
3000
2500
2000
Potncia [kW]
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h)
Potncia Medida Potncia prevista ARMA29_28
Figura 5.1 Comparao entre a potncia medida e a potncia prevista para todos os modelos
desenvolvidos, para o caso de estudo do dia 21 de Dezembro de 2010.
68
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
No caso do modelo SVM, o SVM00 obteve mais uma vez um desempenho insatisfatrio. Por
outro lado, o SVM12 conseguiu obter um bom desempenho chegando a ser superior aos
modelos RN. Apesar das RN apresentarem um desempenho inferior ao dos modelos estatsticos
para o perodo de Vero, ao considerar ambos os perodos analisados, as RN so os modelos
que menores oscilaes apresentam.
3000 3000
2500 2500
2000 2000
Potncia [kW]
Potncia [kW]
1500 1500
1000 1000
500 500
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h) Horizonte (h)
Potncia Medida Potncia prevista RN12 Potncia Medida Potncia prevista RN00
3000 3500
3000
2500
2500
2000
Potncia [kW]
Potncia [kW]
2000
1500
1500
1000
1000
500
500
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h) Horizonte (h)
Potncia Medida Potncia prevista SVM12 Potncia Medida Potncia prevista SVM00
3000 3000
2500 2500
2000 2000
Potncia [kW]
Potncia [kW]
1500 1500
1000 1000
500 500
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h) Horizonte (h)
Potncia Medida Potncia prevista AR29 Potncia Medida Potncia prevista AR173
3000
2500
2000
Potncia [kW]
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Horizonte (h)
Potncia Medida Potncia prevista ARMA29_28
Figura 5.2 Comparao entre a potncia medida e a potncia prevista para todos os modelos
desenvolvidos, para o caso de estudo do dia 7 de Agosto de 2011.
69
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Na Figura 5.2 pode ver-se a comparao da potncia medida com a prevista, para todos os
modelos desenvolvidos, para um dia tpico de Vero. Todos os modelos conseguem, de certa
forma, seguir os valores reais da potncia. Existem, naturalmente, desvios relativamente aos
valores reais; no entanto, os valores previstos esto relativamente prximos dos mesmos.
Apesar de haver dias em que os valores previstos so mais prximos dos reais, optou-se por
representar este dia pelo seguinte motivo: como se pode ver no primeiro grfico da Figura
5.2, o modelo RN12 consegue, de certa forma, prever que existir uma queda na potncia
eltrica. Este aspeto muito importante, pois o operador da rede eltrica, sabendo de
antemo que existir uma quebra, pode compensar a potncia injetada atravs da ativao
de outras fontes de energia, evitando assim a introduo de flutuaes na mesma. Portanto,
independentemente da altura do ano analisada, as redes neuronais demonstram que so
ferramentas poderosas, revelando-se, dentro dos modelos desenvolvidos, como a melhor
alternativa para a previso da potncia eltrica.
Persistncia
8,85 ---- 7,05 ----
Geomtrica
Pela anlise da Tabela 5.2 verifica-se que, apesar do desempenho de RN_AR ainda ser
inferior ao modelo AR(173) para o perodo de Vero, no Inverno houve de facto uma melhoria
comparativamente ao modelo RN12 e AR(173), pelo que a juno de modelos se apresenta
como uma melhoria de desempenho.
Sendo assim, procedeu-se criao de duas redes neuronais, RN1 e RN2, que tm como
objetivo assimilar os resultados obtidos atravs dos modelos anteriores. O conjunto de
entrada constitudo pelas previses efetuadas atravs dos modelos anteriores e o ms de
cada previso. Uma vez que tanto as RN como os SVM apresentaram melhor desempenho com
70
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
as previses meteorolgicas do modelo NWP para as 12:00 UTC, optou-se por no considerar
nesta etapa os modelos RN00 e SVM00.
Para a criao da RN1 foi necessrio, numa primeira fase, efetuar a previso da potncia
atravs dos diferentes modelos desenvolvidos para um perodo de 1 ano (13-06-2010 at
13 06-2011). Estas previses, juntamente com o ms de cada uma delas, foram utilizadas no
treino da RN1 como conjunto de entrada, e utilizou como alvo os dados histricos da potncia
medida para o mesmo perodo. A RN2 foi criada e treinada de forma idntica RN1, com os
perodos de treino de 13-06-2010 at 31-10-2010 e de 01-02-2011 at 13-06-2011.
Aps a criao de RN1 e RN2 foi necessrio testar a performance das mesmas. Para RN1 o
perodo de teste utilizado foi de trs meses (21-06-2011 at 21-09-2011), sendo que o
conjunto de entrada foi, uma vez mais, o ms de cada previso e as previses efetuadas pelos
modelos anteriores para o mesmo perodo. Para RN2 o perodo de teste considerado foi de
01-11-2010 at 28-02-2011, o conjunto de entrada foi novamente o ms de cada previso e as
previses efetuadas para este mesmo perodo.
Na Tabela 5.3 pode ver-se o desempenho de RN1 e RN2 para diferentes configuraes dos
modelos utilizados.
71
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Como se pode verificar pela Figura 5.3, os valores da potncia previstos pela RN1,
independentemente da configurao de modelos que utiliza, conseguem aproximar-se
bastante dos valores reais. Sendo assim, o ponto crtico para escolha da melhor configurao
de modelos reside, sem dvida alguma, no desempenho da RN2 para o perodo de Inverno.
3000
2500
2000
Potncia [kW]
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Horizonte (h)
Potncia medida Potncia prevista configurao 1 Potncia prevista configurao 2
Potncia prevista configurao 3 Potncia prevista configurao 4
Figura 5.3 Desempenho de RN1, para as diferentes configuraes de modelos, para um horizonte de
previso de 72 horas. A previso foi realizada dia 7 de Agosto de 2011 s 12:00h.
Pela anlise da Figura 5.4 verifica-se que, para um dia tpico de Inverno, existe uma maior
discrepncia entre os valores das previses e os valores medidos da potncia. Como se viu
anteriormente, a configurao 2 foi a que obteve melhor desempenho para o perodo de
Inverno e, se analisarmos com ateno a Figura 5.4, pode-se constatar que esta parece ser a
nica que passadas 48 horas consegue aproximar-se do ponto de produo mximo medido.
72
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
3000
2500
2000
Potncia [kW]
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Horizonte (h)
Potncia medida Potncia prevista configurao 1 Potncia prevista configurao 2
Potncia prevista configurao 3 Potncia prevista configurao 4
Figura 5.4 - Desempenho de RN2, para as diferentes configuraes de modelos, para um horizonte de
previso de 72 horas. A previso foi realizada dia 4 de Fevereiro de 2011 s 12:00h.
Na Figura 5.5 e na Figura 5.6, pode-se ver a comparao dos valores da potncia previstos
pela RN1 e RN2 com os valores medidos. Nestas figuras tambm se pode observar a evoluo
das previses efetuadas atravs dos modelos que deram origem a RN1 e RN2. Desta forma,
tem-se uma visualizao do ganho que RN1 e RN2 apresentam em relao aos modelos
anteriores.
3500
3000
2500
Potncia [kW]
2000
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Horizonte (h)
Potncia medida Potncia prevista configurao 2 Persistncia geomtrica
RN12 AR29 AR173
ARMA29_28
Figura 5.5 Desempenho de RN1 com a configurao 2 e dos diferentes modelos que lhe deram origem,
para um horizonte de previso de 72 horas. Previso efetuada dia 7 de Agosto de 2011 s 12:00h.
73
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
3000
2500
2000
Potncia [kW]
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Horizonte (h)
Potncia medida Potncia prevista configurao 2 Persistncia geomtrica
RN12 AR29 AR173
ARMA29_28
Figura 5.6 - Desempenho de RN2 com a configurao 2 e dos diferentes modelos que lhe deram origem,
para um horizonte de previso de 72 horas. Previso efetuada dia 4 de Fevereiro de 2011 s 12:00h.
Numa anlise geral, percetvel que atravs do modelo de previso da produo a curto
prazo (RN1 e RN2), os valores das previses seguem a evoluo da potncia do parque FV.
Como era esperado, as previses efetuadas so bastante mais precisas em dias de cu limpo,
apresentando um bom desempenho para estes dias. Para dias nublados o modelo revela
alguma dificuldade em efetuar previses precisas, pelo que o seu desempenho inferior.
Apesar de tudo, para os dias fortemente afetados por nebulosidade sempre melhor ter
alguma previso do que no ter nenhuma.
74
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Captulo 6
6.1 - Concluses
Apesar de, atualmente, a produo de energia eltrica a partir de sistemas FV representar
uma pequena parte da energia total produzida, o recurso a este tipo de sistemas est em
claro crescimento, impulsionado pelas medidas energticas impostas pela Comunidade
Europeia e pelas diversas vantagens que estes sistemas apresentam. Portanto, se at agora a
variabilidade destes recursos, e consequentemente, a produo eltrica, tinha pouco ou
praticamente nenhum impacto na rede eltrica, no futuro, com o aumento da penetrao dos
sistemas FV, a natureza intermitente da gerao de energia poder ser problemtica, sendo
susceptvel de introduzir flutuaes na rede eltrica. A previso da sua produo assume,
pois, importncia crescente.
75
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
este modelo apresentou sempre bons resultados, no havendo grande discrepncia entre o
desempenho para o perodo de Vero e Inverno.
Relativamente aos modelos SVM, concluiu-se que, para o caso analisado nesta dissertao
no so uma ferramenta to poderosa como as RN. Analisando o seu desempenho, ficou
patente que, principalmente para o perodo de Inverno, o processo de aprendizagem no
to eficaz como processo das RN.
Na segunda fase da metodologia, foram modelizadas duas redes neuronais com o objetivo
de assimilar o resultado obtido atravs dos modelos desenvolvidos na fase anterior. Foram
testadas diferentes configuraes de modelos como conjunto de entrada, com o intuito de
encontrar o melhor desempenho possvel, para diferentes pocas do ano. Da anlise conjunta
das diferentes pocas, a configurao com melhor desempenho a que utiliza como conjunto
de entrada os modelos da persistncia geomtrica, RN12, AR (29), AR(173) e ARMA(29,28). Este
modelo revelou um improvement bastante considervel em relao a praticamente todos os
modelos que lhe do origem, sendo capaz de efetuar previses com maior exatido, pelo que,
a deciso de culminar vrios modelos em um s revelou-se acertada.
Em suma, a metodologia final para a previso da potncia FV pode ser dividida em trs
etapas distintas. A primeira etapa consiste na previso da irradiao solar para dias de cu
limpo e a sua transformao em potncia eltrica. Na segunda etapa, atravs dos dados
histricos da produo do parque FV e com base nas previses meteorolgicas efetuadas pelo
modelo NWP, possvel prever a potncia atravs dos modelos RN12, AR(29), AR(173) e
ARMA(29,28). Por fim, na terceira etapa, as previses efetuadas na etapa 1 e 2 juntamente com
a indicao do ms correspondente a cada previso, so utilizadas como conjunto de entrada
numa RN final que simula as verdadeiras previses da potncia.
Tendo em conta os objetivos definidos para a dissertao, pode considerar-se que estes
foram cumpridos. Foi desenvolvido um modelo de previso, pronto a ser implementado
reduzindo o impacto da intermitncia da produo FV nos sistemas eltricos onde so
integrados.
76
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Referncias
77
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
20. Lorenz, E., et al., Short-term forecasting of solar radiation: a statistical approach
using satellite data. Solar Energy, 1999. 67(1-3): p. 139-150.
21. Hammer, A., et al., Solar energy assessment using remote sensing technologies.
2002.
22. Charney, J.G., Numerical integration of the barotropic vorticity equation. 1950. 2.
23. Yuan-Kang, W. and H. Jing-Shan. A literature review of wind forecasting technology
in the world. in Power Tech, 2007 IEEE Lausanne. 2007.
24. Soteris A, K., Applications of artificial neural-networks for energy systems. Applied
Energy, 2000. 67(1-2): p. 17-35.
25. Cardoso, M.M., SIMULAO DE MODELOS GARCH PARA SERIES TEMPORAIS
UNIVARIADAS DE DEMANDA DE ENERGIA ELTRICA PARA CONZUMIDORES LIVRES EM
REGIME DE CURTO PRAZO, in Engenharia de Produo2005, Uiversidade Federal de
Itajub: Itajub.
26. Guarnieri, R.A., et al., Previses de Radiao Solar Utilizando Modelo de Mesoescala -
Refinamento com Redes Neurais, in 1 CBENS - 1 Congresso Brasileiro de Energia
Solar2007.
27. Aggarwal, R. and Y. Song, Artificial neural networks in power systems. I. General
introduction to neural computing. Power Engineering Journal, 1997. 11(3): p. 129-
134.
28. Sfetsos, A. and A.H. Coonick, Univariate and multivariate forecasting of hourly solar
radiation with artificial intelligence techniques. Solar Energy, 2000. 68(2): p. 169-
178.
29. Pellegrini, F.R. and F.S. Fogliatto, Passos para Implementao de Sistemas de
Previso de Demanda - Tcnicas e Estudo de Caso. Revista PRODUO, 2001. 11.
30. Moreno-Munoz, A., et al. Short term forecasting of solar radiation. in Industrial
Electronics, 2008. ISIE 2008. IEEE International Symposium on. 2008.
31. BOX, G.E.P. and G.M. JENKINS, Time Series Analysis: Forecasting and Control1976.
32. Hegedus, S. and A. Luque, Handbook of Photovoltaic Science and Engineering2003:
John Wiley & Sons, Ltd.
33. Kalogirou, S., Solar energy engineering: processes and systems, ed. 12009: Elsevier.
34. Radosavljevi, J. and A. orevi, DEFINING OF THE INTENSITY OF SOLAR RADIATION
ON HORIZONTAL AND OBLIQUE SURFACES ON EARTH. 2001. 2: p. 77-86.
35. Honsberg, C. and S. Bowden. PVCDROM. 2011; Available from:
http://pveducation.org/pvcdrom/properties-of-sunlight/air-mass.
36. PVPS, Performance Prediction of Grid-Connected Photovoltaic Systems Using Remote
Sensing, in International Energy Agency2008.
37. Rahman, M.H. and S. Yamashiro, Novel Distributed Power Generating System of PV-
ECaSS Using Solar Energy Estimation. Energy Conversion, IEEE Transactions on, 2007.
22(2): p. 358-367.
38. Yona, A., et al. Application of Neural Network to One-Day-Ahead 24 hours Generating
Power Forecasting for Photovoltaic System. in Intelligent Systems Applications to
Power Systems, 2007. ISAP 2007. International Conference on. 2007.
39. Fuentes, M., et al., Application and validation of algebraic methods to predict the
behaviour of crystalline silicon PV modules in Mediterranean climates. Solar Energy,
2007. 81(11): p. 1396-1408.
40. Madsen, H., et al., A Protocol For Standardizing The Performance Evaluation Of
Short-Term Wind Power Prediction Models. Wind Engineering, 2006. 29.
78
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
41. Lorenz, E., et al., Irradiance Forecasting for the Power Prediction of Grid-Connected
Photovoltaic Systems. Selected Topics in Applied Earth Observations and Remote
Sensing, IEEE Journal of, 2009. 2(1): p. 2-10.
42. Shalabi, L.A., Z. Shaaban, and B. Kasasbeh, Data Mining: A Preprocessing Engine.
Journal of Computer Science, 2006. 2.
43. Bremnes, J.B., Probabilistic Wind Power Forecasts Using Local Quantile Regression.
Wind Energy, 2004. 7: p. 47-54.
44. Hagan, M.T. and M.B. Menhaj, Training feedforward networks with the Marquardt
algorithm. Neural Networks, IEEE Transactions on, 1994. 5(6): p. 989-993.
45. Barreto, J.M., Introduo s Redes Neurais Artificiais, in Departamento de
Informtica e Estatstica2002, Laboratrio de Conexionismo e Ciencias
CognitivasUFSC.
46. de Figueiredo, R., Implications and applications of Kolmogorov's superposition
theorem. Automatic Control, IEEE Transactions on, 1980. 25(6): p. 1227-1231.
47. Soares, L.J. and M.C. Medeiros, Modeling and forecasting short-term electricity load:
A comparison of methods with an application to Brazilian data. International Journal
of Forecasting, 2008. 24(4): p. 630-644.
48. Basak, D., S. Pal, and D.C. Patranabis, Support Vector Regression. Neural Information
Processing Letters and Reviews, 2007. 11.
49. Beltrami, M., G.V. Loch, and A.C.L. Silva, COMPARAO DAS TCNICAS DE SUPPORT
VECTOR REGRESSION E REDES NEURAIS NA PRECIFICAO DE OPES. 2009.
79
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Anexos
Anexo A
(A.1)
(A.2)
81
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
(A.3)
82
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Anexo B
83
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Potncia medida
Horizonte
Horizonte
3000
500
2500
2000
1500
1000
3000
2500
2000
1500
1000
500
84
3000 Potncia medida
2500
2000
1500
Potncia [kW]
1000
500
Horizonte
Desenvolvimento de uma metodologia e ferramentas
2500
para a previso da produo eltrica de parques fotovoltaicos
2000
1500
Potncia [kW]
1000
500
Horizonte
85
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Potncia medida
Horizonte
Horizonte
500
3000
2500
2000
1500
1000
3500
500
3000
2500
2000
1500
1000
86
3500
Potncia medida
2500
2000
1500
Potncia [kW]
1000
500
Horizonte
Desenvolvimento de uma metodologia e ferramentas
3500
Potncia medida
para a previso da produo eltrica de parques fotovoltaicos
2500
2000
1500
Potncia [kW]
1000
500
Horizonte
87
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Anexo C
Figura C.1 - Desempenho da configurao (SW, T2, U10 e WDIR) dos dados NWP 00:00 UTC.
Figura C.2 Desempenho da configurao (SW, U10, V10 e WDIR) dos dados NWP 00:00 UTC.
89
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura C.3 Desempenho da configurao (SW, T2, U10, V10 e WDIR) dos dados NWP 00:00 UTC.
Figura C.4 Desempenho da configurao (SW, T2, U10, V10 e WDIR) dos dados NWP 00:00 UTC, dados
estandardizados.
90
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura C.5 Desempenho da configurao (SW, T2, U10, V10, WDIR e H72) dos dados NWP 00:00 UTC.
Figura C.6 - Desempenho da configurao (SW, T2, U10, V10 e WDIR) dos dados NWP 12:00 UTC.
91
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura C.7 - Desempenho da configurao (SW, T2, U10, V10, WDIR e H72) dos dados NWP 12:00 UTC.
Figura C.8 Desempenho do modelo com a adio das componentes do ciclo dirio, para =1.
92
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura C.9 - Desempenho do modelo com a adio das componentes do ciclo dirio, para =2.
Figura C.10 - Desempenho do modelo com a adio das componentes do ciclo dirio, para =3.
93
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
Figura C.11 - Desempenho do modelo com a adio das componentes do ciclo dirio, para =4.
Figura C.12 Desempenho do modelo com a adio das componentes do ciclo dirio, para =1 + =2.
94
Desenvolvimento de uma metodologia e ferramentas
para a previso da produo eltrica de parques fotovoltaicos
95