MÉTODOS DE PREVISÃO SOLAR INTRA-HORA
UMA REVISÃO DA LITERATURA
DOI:
https://doi.org/10.59627/cbens.2022.1179Palavras-chave:
Previsão solar de curto prazo, Energia fotovoltaica, Previsão solar intra-horaResumo
As tecnologias de geração de energia solar, como os sistemas fotovoltaicos e concentradores de energia solar, dependem quase que exclusivamente da incidência direta da radiação solar. Esse recurso, visto da superfície da Terra, possui uma variação conforme condições de sombreamento por nuvens. As nuvens são capazes de baixar drasticamente em poucos minutos a radiação solar direta, assim trazendo variações abruptas não planejadas na geração e distribuição de energia. Sendo assim, para inserir cada vez mais essas tecnologias às redes de distribuição, torna-se necessário prever interrupções de geração de energia provenientes de sombreamentos, para que outro sistema de geração de energia, que não dependa exclusivamente da irradiação solar direta, seja iniciado. O intuito deste trabalho foi desenvolver inicialmente uma revisão sistemática da bibliografia e uma análise bibliométrica sobre previsão solar de curto prazo, a partir de artigos presentes nas bases de dados da Scopus e Web of Science. Foi utilizada uma combinação de palavras-chave, de forma a conhecer os principais métodos que vem sendo discutidos, os principais pesquisadores da área, onde essas pesquisas então sendo desenvolvidas e a que ponto estão as pesquisas em relação as previsões. Por fim, foi feito uma busca em bases de dados de publicações nacionais, com o intuito de enfatizar alguns dos principais trabalhos desenvolvidos neste tema em questão no Brasil.
Downloads
Referências
Abuella, M., Chowdhury, B., 2015. Solar power probabilistic forecasting by using multiple linear regression analysis. In: SoutheastCon 2015. pp.1-5.
Bosch, J. L., & Kleissl, J. 2013. Cloud motion vectors from a network of ground sensors in a solar power plant. Solar Energy, 95, 13-20. doi:10.1016/j.solener.2013.05.027.
Castillejo‐cuberos, A., Boland, J. & Escobar, R. 2021, "Short‐term deterministic solar irradiance forecasting considering a heuristics‐based, operational approach", Energies, vol. 14, no. 18.
Chow, C., Urquhart, B., Lave, M., Anthony Dominguez, Jan Kleissl, Janet Shields, Byron Washom, 2012. Intra-hour forecasting with a total sky imager at the UC San Diego solar energy testbed, Solar Energy, Volume 85, Issue 11, Pages 2881-2893.
Chu, Y.; Li, M.; Pedro, H.T.C.; Coimbra, C.F.M. Real-time prediction intervals for intra-hour DNI forecasts. Renew. Energy 2015, 83, 234–244, doi:10.1016/j.renene.2015.04.022.
David, Ramahatana, T. L., 2016. Probabilistic forecasting of the solar irradiance with recursive arma and garch models. Solar Energy 133, 55 - 72.
Diagne, M., David, M., Lauret, P., Boland, J., & Schmutz, N. (2013). Review of solar irradiance forecasting methods and a proposition for small-scale insular grids. Renewable and Sustainable Energy Reviews, 27, 65-76. doi:10.1016/j.rser.2013.06.042.
DualBase, 2021 Visited in = 01/12/2021. URL https://www.dualbase.com.br/produtos/RsensDB.
Elsevier, 2021 Visited in = 01/12/2021. URL https://www.journals.elsevier.com/solar-energy.
Heinen, E., 2018. Redes Neurais Recorrentes e XGboost Aplicados à Previsão de Radiação Solar no Horizonte de Curto Prazo. Orientador: Ricardo A. S. Fernandes. Dissertação (Mestrado) - Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de São Carlos. Disponível em: https://repositorio.ufscar.br/bitstream/handle/ufscar/11828/Disserta%c3%a7%c3%a3o%20Eduarth%20Dapper%20Heinen%20-%20corrigida%20 20folha%20aprova %c3%a7%c3%a3o. pdf?sequenc e=4&is Allowed=y.
Inman, R. H., Pedro, H. T. C., & Coimbra, C. F. M. (2013). Solar forecasting methods for renewable energy integration. Progress in Energy and Combustion Science, 39(6), 535-576. doi:10.1016/j.pecs.2013.06.002.
Kasten, F., Czeplak, G., 1980. Solar and terrestrial radiation dependent on the amount and type of cloud. Solar Energy 24 (2), 177 - 189.
Kraas, B., Schroedter-Homscheidt, M., Madlener, R., 2013. Economic merits of a state-of-the-art concentrating solar power forecasting system for participation in the Spanish electricity market. Sol Energy 93, 244–255.
Kumler, A.; Xie, Y.; Zhang, Y. A Physics-based Smart Persistence model for Intra-hour forecasting of solar radiation (PSPI) using GHI measurements and a cloud retrieval technique. Sol. Energy 2019, 177, 494–500, doi:10.1016/j.solener.2018.11.046.
Marquez, R., & Coimbra, C. F. M. 2013. Intra-hour DNI forecasting based on cloud tracking image analysis. Solar Energy, 91, 327-336. doi:10.1016/j.solener.2012.09.018
Mendes, I., Nascimento, T., Rezende, R., Silva, J., Silva, O., 2017. A utilização das redes neurais artificiais na previsão de radiação solar global. CONTECC 2017. Belém-PA, Brasil.
Mendonça de Paiva, G.; Pires Pimentel, S.; Pinheiro Alvarenga, B.; Gonçalves Marra, E.; Mussetta, M.; Leva, S. Multiple Site Intraday Solar Irradiance Forecasting by Machine Learning Algorithms: MGGP and MLP Neural Networks. Energies 2020, 13, 3005. https://doi.org/10.3390/en13113005
Monteiro, C., Fernandez-Jimenez, L. A., Ramirez-Rosado, I. J., Muñoz-Jimenez, A., & Lara-Santillan, P. M. (2013). Short-term forecasting models for photovoltaic plants: Analytical versus soft-computing techniques. Mathematical Problems in Engineering, 2013 doi:10.1155/2013/767284
Pedro, H.T.C.; Coimbra, C.F.M. Nearest-neighbor methodology for prediction of intra-hour global horizontal and direct normal irradiances. Renew. Energy 2015, 80, 770–782, doi:10.1016/j.renene.2015.02.061.
Pelland, S., Remund, J., Kleissl, J., Oozeki, T., e K. De Brabandere, «Photovoltaic and Solar Forecasting: State of the Art», Int. Energy Agency Photovolt. Power Syst. Program. Rep. IEA PVPS T14, pp. 1–40, 2013.
Peng, Z., Yu, D., Huang, D., Heiser, J., Yoo, S., & Kalb, P. 2015. 3D cloud detection and tracking system
for solar forecast using multiple sky imagers. Solar Energy, 118, 496-519. doi:10.1016/j.solener.2015.05.037
Richardson, W.; Krishnaswami, H.; Shephard, L.; Vega, R. Machine learning versus ray-tracing to forecast irradiance for an edge-computing SkyImager. 2017 19th Int. Conf. Intell. Syst. Appl. to Power Syst. ISAP 2017 2017, doi:10.1109/ISAP.2017.8071425.
Singla, P.; Duhan, M.; Saroha, S. A comprehensive review and analysis of solar forecasting techniques; 2021; ISBN 1170802107227.
