1. Identity statement | |
Reference Type | Report |
Site | mtc-m21d.sid.inpe.br |
Holder Code | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identifier | 8JMKD3MGP3W34T/464KC8B |
Repository | sid.inpe.br/mtc-m21d/2021/12.30.15.06 |
Last Update | 2021:12.30.15.06.13 (UTC) simone |
Metadata Repository | sid.inpe.br/mtc-m21d/2021/12.30.15.06.13 |
Metadata Last Update | 2022:07.08.19.41.40 (UTC) administrator |
Citation Key | GuarachiGonçMart:2021:UsApMá |
Title | Uso de aprendizado de máquina para geração de séries temporais de irradiação solar na superfície |
Project | Uso de aprendizado de máquina para geração de séries temporais de irradiação solar na superfície |
Year | 2021 |
Access Date | 2024, May 19 |
Type | RPQ |
Number of Pages | 26 |
Number of Files | 1 |
Size | 349 KiB |
|
2. Context | |
Author | 1 Guarachi, Mariane Souza 2 Gonçalves, André Rodrigues 3 Martins, Fernando Ramos |
Group | 1 2 DIIAV-CGCT-INPE-MCTI-GOV-BR |
Affiliation | 1 Universidade Federal de São Paulo (UNIFESP) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Universidade Federal de São Paulo (UNIFESP) |
Author e-Mail Address | 1 guarachi.mariane@unifesp.br 2 andre.goncalves@inpe.br 3 fernando.martins@unifesp.br |
e-Mail Address | guarachi.mariane@unifesp.br |
Institution | Instituto Nacional de Pesquisas Espaciais |
City | São José dos Campos |
History (UTC) | 2021-12-30 15:07:08 :: simone :: -> 2021 2021-12-30 15:09:01 :: simone -> administrator :: 2021 2022-07-08 19:41:40 :: administrator -> :: 2021 |
|
3. Content and structure | |
Is the master or a copy? | is the master |
Content Stage | completed |
Transferable | 1 |
Keywords | energia solar sensoriamento remoto modelagem numérica |
Abstract | É de suma importância ter disponível séries temporais de irradiância solar de um determinado local na superfície da Terra para aplicação em áreas científicas e tecnológicas. Em um caso mais específico, como a geração de eletricidade pela energia solar são necessários dados detalhados de irradiância solar do local escolhido para modelar o desempenho de uma planta fotovoltaica. Frequentemente, estas séries temporais são obtidas pelas medições realizadas no solo ou são derivadas de imagens de satélites. No entanto, as medições de radiação solar podem apresentar descontinuidades no registro dos dados, que duram de minutos a dias, o que geralmente é causado pelo mau funcionamento dos instrumentos de medições, manutenção preventiva e corretiva deficientes e ausência de energia nos equipamentos. Esta falta de dados é prejudicial para o estudo de viabilidade de uma planta ou sistema fotovoltaico em um determinado local, pois a ausência de dados acarreta no crescimento das incertezas das avaliações sobre o potencial técnico disponível no local. Portanto, nesses casos se faz necessária a utilização de séries temporais geradas sinteticamente ou matematicamente para preencher as lacunas de dados das medições. Modelos estatísticos para a geração de séries temporais podem utilizar diversas metodologias, incluindo o aprendizado de máquina com a utilização de redes neurais artificiais capazes de acumular conhecimentos a partir de exemplos e repetições. Este trabalho propõe o desenvolvimento e emprego de metodologias de aprendizado de máquinas para a previsão de dados de irradiação solar por meio de séries temporais. A pesquisa foi iniciada pelo ex-bolsista Rafael Mariano Juvêncio, posteriormente substituído pela estudante Mariane Souza Guarachi em maio de 2021. Neste período foi realizado o levantamento bibliográfico do conhecimento publicado sobre a geração de séries temporais e capacitação no uso da linguagem Python. Em continuidade serão utilizados diferentes conjuntos de preditores e topologias de redes neurais com o intuito de investigar o desempenho no preenchimento de ausência de dados em séries temporais. |
Area | CST |
Arrangement 1 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Uso de aprendizado... |
Arrangement 2 | Uso de aprendizado... |
doc Directory Content | access |
source Directory Content | there are no files |
agreement Directory Content | |
|
4. Conditions of access and use | |
data URL | http://urlib.net/ibi/8JMKD3MGP3W34T/464KC8B |
zipped data URL | http://urlib.net/zip/8JMKD3MGP3W34T/464KC8B |
Language | pt |
Target File | Relatorio_Final_PIBIC_2020_2021_Mariane_Souza_Guarachi.pdf |
User Group | simone |
Visibility | shown |
Read Permission | allow from all |
Update Permission | not transferred |
|
5. Allied materials | |
Mirror Repository | urlib.net/www/2021/06.04.03.40.25 |
Next Higher Units | 8JMKD3MGPCW/46KUATE 8JMKD3MGPDW34P/478H5L5 |
Citing Item List | sid.inpe.br/mtc-m16c/2022/07.08.19.08 4 |
Host Collection | urlib.net/www/2021/06.04.03.40 |
|
6. Notes | |
Notes | Bolsa PIBIC/PIBITI/INPE/CNPq. |
Empty Fields | archivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory date descriptionlevel dissemination doi edition format isbn issn label lineage mark nextedition orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup recipient reportnumber resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark secondarytype session shorttitle sponsor subject tertiarymark tertiarytype translator url versiontype |
|