Previsão da Irradiação Solar Fotovoltaica baseada em Deep Learning

Abstract

The Northeast area has shown great potential for generating of solar energy in Brazil, for this reason several energy companies have evaluated the economics feasibility this kind of renewable energy. Thus, as it increases the portion of renewables sources in supply of energy is important to estimate your potential with an acceptable accuracy in distincts horizons, like hours, days, weeks, and months. This paper proposed to develop distinct deep learning models for forecasting the global solar irradiation. The measures were collected from a solarimetric station located in the State of Bahia. The models are evaluated through five performance metrics, and the best results were selected for the final models. Finally, Friedman statistical test and Bergmann-Hommel's post hoc test were applied to evaluate the hypothesis for significance difference between the developed models.Resumo: A região nordeste tem apresentado um grande potencial de geração de energia solar no Brasil, por isso diversas empresas de energia têm avaliado a viabilidade econômica deste tipo de energia renovável. Dessa forma, conforme aumenta a parcela de fontes renováveis no fornecimento de energia é importante estimar seu potencial com uma precisão aceitável em horizontes distintos como horas, dias, semanas e meses. Este artigo propôs desenvolver modelos distintos de aprendizado profundo para previsão da irradiação solar global (W/m²). As medições foram obtidas a partir de uma estação solarimétrica localizada no Estado da Bahia. Os modelos foram avaliados através de cinco métricas de desempenho, e os melhores resultados foram selecionadas para os modelos finais. Por fim, o teste estatístico de Friedman e o teste de Bergmann-Hommel's post hoc foram aplicados para avaliar a hipótese de diferença significativa entre os modelos desenvolvidos.