Mais informações

Garnieri, Ricardo et al. Previsões de radiação solar utilizando modelo de mesoescala: refinamento com redes neurais. In: CONGRESSO BRASILEIRO DE ENERGIA SOLAR, 2007, Fortaleza. Anais... Fortaleza: ABENS, 2007.
Clique no nome do(s) autor(es) para ver o currículo Lattes:

Dados do autor na base InfoHab:
Número de Trabalhos: 5 (Nenhum com arquivo PDF disponível)
Citações: Nenhuma citação encontrada
Índice h: Indice h não calculado  
Co-autores: Nenhum co-autor encontrado

Dados do autor na base InfoHab:
Número de Trabalhos: 2 (Nenhum com arquivo PDF disponível)
Citações: Nenhuma citação encontrada
Índice h: Indice h não calculado  
Co-autores: Nenhum co-autor encontrado

Dados do autor na base InfoHab:
Número de Trabalhos: 1 (Nenhum com arquivo PDF disponível)
Citações: Nenhuma citação encontrada
Índice h: Indice h não calculado  
Co-autores: Nenhum co-autor encontrado

Dados do autor na base InfoHab:
Número de Trabalhos: 5 (Nenhum com arquivo PDF disponível)
Citações: Nenhuma citação encontrada
Índice h: Indice h não calculado  
Co-autores: Nenhum co-autor encontrado

Resumo

Uma vez que a energia proveniente do Sol participa em diversos processos atmosféricos, os códigos radiativos dos modelos de mesoescala para previsão de tempo estimam a radiação solar incidente à superfície. Estas estimativas encontram aplicações na agropecuária, em áreas da arquitetura e no setor de energia. No setor energético, as previsões de radiação solar de curto prazo podem ser empregadas nas atividades de geração (operação de sistemas híbridos que utilizem energia solar) e de distribuição de energia elétrica (previsão de despacho de carga em linhas de transmissão). O modelo de mesoescala Eta é rodado duas vezes ao dia no Centro de Previsão de Tempo e Estudos Climáticos (CPTEC/INPE), produzindo previsões com um prazo de integração de até 7 dias. As previsões são disponibilizadas para pontos de uma grade de 40 x 40 km, em uma área que cobre toda a América do Sul e oceanos vizinhos. Foram realizadas comparações entre medidas de radiação solar e previsões do modelo Eta/CPTEC, calculadas para os pontos de grade mais próximos dos sítios de medida da rede SONDA localizados em São Martinho da Serra (SMS – 29,44ºS; 53,82ºO) e Florianópolis (FLN – 27,60ºS; 48,52ºO). As previsões apresentaram viés superior a 25%, RMSE superior a 40% e coeficientes de correlação de 0,72 (FLN) e 0,78 (SMS). Com o intuito de reduzir os erros de previsão, redes neurais artificiais (RNAs) foram configuradas e treinadas para ambas as estações de coleta de dados, utilizando variáveis meteorológicas de previsão de tempo fornecidas pelo modelo Eta como entradas. Estes dados representam as condições de tempo no instante futuro em que se deseja a previsão de radiação. As previsões refinadas, calculadas pelas RNAs, apresentaram viés inferior a 2%, valores de RMSE inferiores a 28% (ganho de 30% sobre o modelo Eta) e coeficientes de correlação de 0,80 (FLN) e 0,85 (SMS).

Abstract

Because solar energy plays an important role in several atmospheric processes, the radiative codes of the mesoscale weather forecast models calculates the incidence of solar radiation on Earth surface. These estimates can be supplied for uses in agriculture, architecture, and the energy sector. For the energy sector, the short-term solar radiation forecasts can be applied to the generation (operation-planning of hybrid systems that use solar energy) and distribution (forecast of energy dispatch in transmission lines) of electricity. The Eta mesoscale model is run twice a day at the Brazilian Center of Weather Forecast and Climate Studies (CPTEC/INPE), supplying forecasts for 7 days in advance. Comparisons between ground data and forecasts from Eta/CPTEC model calculated for the grid-points nearest the measurement sites were accomplished. The measurement sites used were two SONDA stations located in São Martinho da Serra (SMS – 29.44ºS; 53.82ºO) e Florianópolis (FLN – 27.60ºS; 48.52ºO). The short-term Eta-forecasts presented bias higher than 25%, relative RMSE higher than 40% and correlation coefficients of about 0.72 (FLN) and 0.78 (SMS). Aiming to diminish the forecast-errors, Artificial Neural Networks (ANNs) were configured and trained for the both measurement sites, using forecasts of meteorological variables supplied by the Eta model as inputs. These meteorological data are representative of the weather conditions in the future instant on which the radiation forecast are desired. The refined forecasts, calculated by the ANNs, presented bias lower than 2%, RMSE values lower than 28% (improvement of about 30% over the Eta model solar radiation forecasts) and correlation coefficients of 0.80 (FLN) and 0.85 (SMS).
InfoHab - Centro de Referência e Informação em Habitação.
Siga-nos nas redes sociais

Política de provacidade

Termos de uso

Um projeto da:  

-