ESTIMATIVA DE VAZÃO DE UM SISTEMA DE BOMBEAMENTO FOTOVOLTAICO USANDO REDES NEURAIS ARTIFICIAIS
Resumo
Resumo
O bombeamento de água é uma das atividades mais difundidas do emprego de energia solar fotovoltaica. Com base neste contexto, este trabalho tem como objetivo implementar e analisar modelos, baseados em redes neurais artificiais, para estimar a vazão de um sistema de bombeamento fotovoltaico, localizado na região oeste paranaense. A base de dados apresenta um histórico de um ano, contendo as seguintes variáveis: hora, temperatura, irradiação solar e vazão da bomba. Modelos, baseados na arquitetura Multilayer Perception (MLP), foram implementados por meio do framework Keras. Resultados obtidos, dos modelos de redes neurais, foram comparados por meio das métricas: R2 (Coeficiente de Determinação), MSE (Erro Quadrático Médio) e RMSE (Raiz do Erro Quadrático Médio). Dados, de dois dias de cada estação do ano, foram utilizados para testar o modelo com melhor desempenho no conjunto de validação. Os resultados sugerem que o modelo, de rede neural artificial MLP, é adequado para prever a vazão do sistema de bombeamento fotovoltaico.
Referências
ANTONELI, G. C.; NEITZELl, I. Aplicação de redes neurais artificiais na indústria de fios de algodão. GEPROS. Gestão da Produção, Operações e Sistemas, vol. v. 2, 2016. Disponível em:https://revista.feb.unesp.br/gepros/article/download/1355/711. Acesso em: 29 ago. 2023.
BASTIANI, M.; SANTOS, J. A. A.; SCHMIDT, C. A. P.; SEPULVEDA, G. P. L. Application of data mining algorithms in the management of the broiler production. Geintec, v. 8, n. 4, 2018.
BRAGA, A. P.; CARVALHO, A. P. L. F.; LUDERMIR, T. B. Redes Neurais Artificiais: teoria e aplicações. Rio de Janeiro: LTC, 2007.
CONSENZA, D. N. Classificação da capacidade produtiva de sítios florestais utilizando máquina de vetor de suporte e rede neural artificial. Scientia Florestalis, 2016. Disponível em:https://www.ipef.br/PUBLICACOES/SCIENTIA/nr108/cap19.pdf. Acesso em: 29 ago. 2023.
HADDAD, S. et al. ANNs-based modeling and prediction of hourly flow rate of a photovoltaic water pumping system: Experimental validation. Renewable and Sustainable Energy Reviews, v. 43, 2015. Disponível em: https://doi.org/10.1016/j.rser.2014.11.083. Acesso em: 29 ago. 2023.
Haykin, S. Neural networks: a comprehensive foundation. New Delhi: Pearson Prentice Hall, 2001.
JARDIM, C. S. A inserção da geração solar fotovoltaica em alimentadores urbanos enfocando a redução do pico de demanda diurno. Tese (Doutorado Programa de Pós-Graduação em Engenharia Civil-PPGEC) - Universidade Federal de Santa Catarina-UFSC, Florianópolis, 2007. Disponível em: https://repositorio.ufsc.br/xmlui/handle/123456789/90237. Acesso em: 29 ago. 2023.
KOLLING, E. M. Análise de um sistema fotovoltaico de bombeamento de água. Dissertação de Mestrado, Universidade Estadual do Oeste do Paraná, Cascavel, 2001.
MICHELS, R. N. Avaliação de um sistema de bombeamento de água alimentado por painéis fotovoltaicos. Dissertação (Mestrado Pós-Graduação em Engenharia Agrícola) - Universidade Estadual do Oeste do Paraná-UNIOESTE, Cascavel, 2007. Disponível em: https://riut.utfpr.edu.br/jspui/bitstream/1/429/3/UNIOESTE_%20PGEAGRI_M_Michels%2C%20Roger%20Nabeyama_2007.PDF. Acesso em: 29 ago. 2023.
MORAES, A. M. et al. Análise de gestão e operação de sistemas de bombeamento no semiárido brasileiro. Revista ASADES, v. 24, 2020. Disponível em: https://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1981. Acesso em: 29 ago. 2023.
OLIVEIRA, G. Qual a relação entre Deep Learning e Machine Learning. Disponível em: http://bicomvatapa.blogspot.com/2018/02/diferenca-qual-relacao-entre-deep.html. Acesso em: 13 jan. 2023.
OLIVEIRA, L.; SANTOS, J. A. A. As Redes Neurais Aplicadas à Previsão de Corrente Elétrica de um Sistema Fotovoltaico. Revista FSA, v. 19, n. 5, 2022. Disponível em: https://web.archive.org/web/20220511051806id_/http://www4.unifsa.com.br/revista/index.php/fsa/article/download/2419/491493244. Acesso em: 29 ago. 2023.
OYAMA, P. T. Vazão de uma motobomba acionada por painéis fotovoltaicos. Dissertação (Mestrado Pós-Graduação em Engenharia Agrícola) - Universidade Estadual do Oeste do Paraná-UNIOESTE, Cascavel, 2008. Disponível em: https://tede.unioeste.br/bitstream/tede/2755/1/Paulo%20Takashi%20Oyama.pdf. Acesso em: 29 ago. 2023.
PINHEIRO, T. C.; SANTOS, J. A. A.; PASA, L. A. Gestão da produção de frangos de corte por meio de redes neurais artificiais, Revista Holos, 2020. Disponível em:https://doi.org/10.15628/holos.2020.9043. Acesso em: 29 ago. 2023.
SANTOS, J. A. A.; CKAUKOSKI, Y. Previsão do consumo de energia elétrica na região sudeste: um estudo de caso usando SARIMA e LSTM. Revista CEREUS, v. 12, 2020. Disponível em: http://ojs.unirg.edu.br/index.php/1/article/view/3255. Acesso em: 29 ago. 2023.
SANTOS, J. A. A. Aplicação de Redes Neurais na Previsão de Custos de Produção de Frangos de Corte no Estado do Paraná. Revista FSA, v. 18, n. 6, 169-185. 2021.
SILVA, E. M.; BASCOPE, R. P. T. Sistema de bombeamento de água usando energia fotovoltaica’. 2020. Disponível em: https://anaiscbens.emnuvens.com.br/cbens/article/view/915. Acesso em: 12 jan. 2023.
SUN PUMPS SDS series dc submersibles pumps. Disponível em: http://www.sunpumps. com/Photo/318?d=3/18/20238:08:20PM. Acesso em: 12 jan. 2023.
