1. Identificação | |
Tipo de Referência | Relatório (Report) |
Site | mtc-m21d.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34T/47NM73L |
Repositório | sid.inpe.br/mtc-m21d/2022/10.03.20.00 |
Última Atualização | 2022:10.03.20.00.56 (UTC) simone |
Repositório de Metadados | sid.inpe.br/mtc-m21d/2022/10.03.20.00.56 |
Última Atualização dos Metadados | 2023:01.03.16.46.19 (UTC) administrator |
Chave de Citação | GuarachiGonçMart:2022:UsApMá |
Título | Uso de aprendizado de máquina para geração de séries temporais de irradiação solar na superfície |
Projeto | Uso de aprendizado de máquina para geração de séries temporais de irradiação solar na superfície |
Ano | 2022 |
Data de Acesso | 18 maio 2024 |
Tipo | RPQ |
Número de Páginas | 34 |
Número de Arquivos | 1 |
Tamanho | 474 KiB |
|
2. Contextualização | |
Autor | 1 Guarachi, Mariane Souza 2 Gonçalves, André Rodrigues 3 Martins, Fernando Ramos |
Grupo | 1 2 DIIAV-CGCT-INPE-MCTI-GOV-BR |
Afiliação | 1 Universidade Federal de São Paulo (UNIFESP) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Universidade Federal de São Paulo (UNIFESP) |
Endereço de e-Mail do Autor | 1 guarachi.mariane@unifesp.br 2 andre.goncalves@inpe.br 3 fernando.martins@unifesp.br |
Endereço de e-Mail | guarachi.mariane@unifesp.br |
Instituição | Instituto Nacional de Pesquisas Espaciais |
Cidade | São José dos Campos |
Histórico (UTC) | 2022-10-03 20:01:22 :: simone :: -> 2022 2022-10-03 20:02:04 :: simone -> administrator :: 2022 2022-10-06 00:32:16 :: administrator -> simone :: 2022 2022-12-05 17:05:59 :: simone -> administrator :: 2022 2023-01-03 16:46:19 :: administrator -> simone :: 2022 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | energia solar modelagem numérica séries temporais solar energy numerical modeling time series |
Resumo | 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 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 observações em solo podem apresentar descontinuidades, que duram de minutos a dias, no registro dos dados causadas pela manutenção preventiva e corretiva deficientes e falta de energia nos equipamentos. Esta falta de dados é prejudicial para o estudo de viabilidade de uma planta fotovoltaica, pois isso acarreta no crescimento das incertezas sobre o potencial técnico disponível no local. Portanto, é necessário a utilização de séries temporais geradas sinteticamente ou matematicamente para preencher as lacunas de dados das medições. Com isso, o presente projeto de pesquisa tem como objetivo desenvolver metodologias de aprendizado de máquina para obter estimativas de irradiação solar de São Martinho da Serra e Petrolina por meio da geração de séries temporais. A metodologia de aprendizado de máquina com a utilização de redes neurais artificiais vai ser aplicada para a geração de séries temporais, utilizando a linguagem de programação Python. Por fim, a série artificial possibilitou investigar o desempenho no preenchimento de lacunas de dados em séries temporais. ABSTRACT: It is imperative to have available time series of solar irradiance data from a given location on the Earth's surface for application in scientific and technological areas. In a more specific case, such as solar power generation, detailed solar irradiance data are needed to model the performance of a photovoltaic plant. Often, these time series are obtained from ground measurements or derived from satellite imagery. However, time series of ground observations can present discontinuities, which last from minutes to days, caused by poor preventive and corrective maintenance or power outages. The data gaps hinder the feasibility study of a photovoltaic plant, as it leads to growing uncertainties about the technical potential available at the site. Several studies discuss computational methods to fill data gaps based on the time series attributes. The current study aims to develop a machine learning methodology to fill solar irradiation data gaps for ground data acquired at São Martinho da Serra and Petrolina. INPE will provide access to the data acquired in both SONDA Network sites. |
Área | CST |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Uso de aprendizado... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > COEPE > PIBIC/PIBITI 2022 > Uso de aprendizado... |
Arranjo 3 | urlib.net > BDMCI > Fonds > Acervo PIBIC/PIBITI > PIBIC/PIBITI 2022 > Uso de aprendizado... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/47NM73L |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/47NM73L |
Idioma | pt |
Arquivo Alvo | Relatorio_Final_PIBIC_2021_2022_Mariane_Souza_Guarachi.pdf |
Grupo de Usuários | simone |
Visibilidade | shown |
Detentor dos Direitos | originalauthor yes |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/46KUATE 8JMKD3MGPDW34P/47KJQBP |
Lista de Itens Citando | sid.inpe.br/mtc-m16c/2022/09.14.20.14 4 |
Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 |
|
6. Notas | |
Notas | Bolsa PIBIC/PIBITI/INPE/CNPq. |
Campos Vazios | archivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory date descriptionlevel dissemination doi edition format isbn issn label lineage mark mirrorrepository nextedition orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup recipient reportnumber resumeid schedulinginformation secondarydate secondarykey secondarymark secondarytype session shorttitle sponsor subject tertiarymark tertiarytype translator url versiontype |
|
7. Controle da descrição | |
e-Mail (login) | simone |
atualizar | |
|