No abstract

A utilização de sistemas fotovoltaicos por meio da Geração Distribuída (GD) vem crescendo em um ritmo acelerado em todo mundo, sendo impulsionada principalmente pelos potenciais benefícios que tal modalidade pode proporcionar. No entanto, a utilização massiva dessa tecnologia pode acarretar impactos significativos nas redes de distribuição, alterando, por exemplo, os níveis de tensão do sistema. O presente trabalho realiza uma avaliação quantitativa da variabilidade de tensão em uma rede de distribuição de energia baseada no sistema IEEE 13 Node Test Feedder e utilizando um modelo simplificado de geradores fotovoltaicos. A demanda das cargas do sistema e os níveis de potência fornecida pelos geradores foram variados de acordos com dados de curva de carga e condições meteorológicas específicas. Os resultados obtidos apontaram uma elevação da tensão nos nós analisados, gerando uma variação máxima de 3,69%, 5,85% e 6,11% nos Nós 634, 671 e 675, respectivamente.

A utilização da energia solar fotovoltaica vem aumentando em todo o mundo, e no Brasil, devido às crises energéticas que o país enfrenta, essa fonte de energia tem sido uma alternativa para contornar esse problema. No entanto, por se tratar de uma fonte intermitente, e depender exclusivamente das condições climáticas locais, a mesma pode apresentar perda na eficiência de geração de energia, logo, se faz necessário um estudo prévio do local a ser instalado. Sendo assim, o presente trabalho utiliza uma Rede Neural Artificial (RNA) para analisar o desempenho de um sistema fotovoltaico conectado à rede, através da previsão da potência gerada. Para isso, foi utilizado um sistema de 3kWp como modelo localizado na cidade de Mossoró-RN. Realizou-se a implementação da RNA com o auxílio do Matlab®, inserindo como variáveis de entrada dados reais de irradiação solar, temperatura da cidade, e a potência elétrica gerada pelo próprio sistema fotovoltaico utilizada como variável de saída. Aplicando os métodos de análise de desempenho propostos, tem-se que a RNA se mostra favorável para a previsão da potência gerada, com Coeficiente de Correlação entre 0,88 e 0,96, Erro Médio percentual na faixa de 10~22 e potências médias previstas que se aproximam dos valores reais.