Modelagem de sistema fotovoltaico utilizando algoritmos inteligentes

O estudo em questão tem como objetivo desenvolver e analisar algoritmos inteligentes capazes de detectar padrões na produção energética de uma usina solar fotovoltaica através da coleta e análise de dados temporais reais, os quais foram obtidos através de condições ambientais distintas de funcionamento desse sistema. Com isso, o trabalho consiste em uma abordagem de técnicas de inteligência artificial, como redes neurais artificiais, que permitem identificar padrões e comportamentos complexos, que podem melhorar a estimativa da potência gerada a partir de variáveis ambientais, como irradiância solar, temperatura ambiente, umidade e horário do dia. Assim, através do estudo desses algoritmos, a pesquisa busca fornecer uma ferramenta eficiente para monitoramento e planejamento energético, o que promove uma operação mais inteligente e eficiente dos sistemas fotovoltaicos. Os resultados indicaram que o modelo LSTM (Long Short-Term Memory) foi superior ao MLP (Multilayer Perceptron), especialmente em previsões sequenciais, mostrando maior precisão na captura de padrões temporais e climáticos relacionados à produção de energia fotovoltaica. O LSTM demonstrou desempenho superior em dias ensolarados e condições de variação climática mais baixas, enquanto o MLP se saiu relativamente bem em dias com variações climáticas mais altas, como em dias nublados. Portanto, o trabalho destaca a importância da integração entre tecnologias computacionais avançadas, como a Inteligência Artificial, e as fontes de energias renováveis como uma forma estratégica para o aprimoramento da matriz energética.