PREVISÃO DE IRRADIAÇÃO SOLAR DE CURTO PRAZO POR MEIO DA COMBINAÇÃO DE MÉTODOS DE PROCESSAMENTO DE IMAGENS COM ALGORITMOS DE APRENDIZAGEM DE MÁQUINA

Resumo

Uma das grandes problemáticas para o uso do recurso solar na geração de eletricidade para a rede está relacionada ao caráter estocástico de tal fonte. Neste sentido, previsões de irradiação solar global de curto prazo no horizonte de previsão de 30 minutos a posteriori foram obtidas por meio da aplicação de algoritmos de aprendizagem de máquina em conjuntos de dados constituídos por sinais coletados por sensores de resistência dependente da luz e descritores estatísticos (média, desvio padrão e entropia de Shannon) extraídos de imagens do céu capturadas por uma câmera. A integração de tais sensores é feita por meio do Raspberry Pi 3, um computador que tem o tamanho de um cartão, usado principalmente em projetos de programação, robótica e em iniciativas em geral com software e hardware livres. Desta forma, foi possível avaliar se a adição de preditores obtidos de imagens do céu proporcionam melhorias no desempenho dos modelos de aprendizagem de máquina utilizados, a saber: Árvore de decisão com um procedimento de Bagging, Florestas Aleatórias, K-Vizinhos Mais Próximos, Regressão por Vetor Suporte e Máquina de Aprendizagem Mínima. Além disso, também foi avaliado se o uso dos filtros de suavização da mediana e o de aguçamento do laplaciano da gaussiana nas imagens ocasiona melhoras no desempenho relativo ao caso em que se obtém os descritores estatísticos das imagens sem a aplicação de nenhum filtro. A acurácia dos métodos é determinada pelo cálculo da métrica de erro Raiz do Erro Quadrático Médio. A média aritmética da Raiz do Erro Quadrático Médio para os modelos quando se considerou como atributos apenas o valores fornecidos pelos sensores de luminosidade foi de 165,83 W/m², já para o caso em que se adiciona informação das imagens não filtradas obteve-se 154,76 W/m², para o caso de se adicionar informações de imagens filtradas pelo filtro da mediana teve-se um valor de 154,08 W/m², por fim, para o outro filtro obteve-se 163,26 W/m².