Resumo:
Atualmente nota-se uma crescente demanda do mercado por soluções que usem aprendizado de máquina (AM), além disso, nos últimos anos o uso da energia fotovoltaica vem se popularizando, principalmente, graças a incentivos dos governos em busca de fontes limpas de energia. Esses dois temas são tópicos ativos de pesquisa na comunidade científica e encontram diversas aplicações na indústria. Nesse contexto, utilizando análise exploratória de dados em conjunto com algoritmos de AM, o presente trabalho desenvolve uma estrutura de códigos (framework) destinada à estimação de séries temporais correspondentes à previsão de geração de potência elétrica em sistemas fotovoltaicos (plantas fotovoltaicas). Para a indústria, tal previsão tem sido um desafio comercial, visto a sua dependência quanto a variáveis climáticas, intensidade de irradiação, temperatura, dentre outros parâmetros de difícil previsibilidade, dessa forma, o uso de algoritmos de AM tem se tornado uma importante alternativa para a obtenção de previsões satisfatórias. Particularmente, este trabalho de pesquisa investiga a previsão de geração de potência elétrica realizada por algoritmos de AM baseados em modelos lineares e de redes neurais a partir de dados de plantas fotovoltaicas. Resultados dos desempenhos dos algoritmos de AM são apresentados e avaliados com vistas ao erro quadrático médio da estimação da geração de potência elétrica em corrente alternada (CA), confirmando a eficácia do framework desenvolvido neste trabalho.
