Avaliação de algoritmos de treinamento para redes neurais artificiais para previsão temporal de geração fotovoltaica

Abstract

Políticas energética atuais vêm encorajando a conexão de geradores de energia baseados em tecnologias de baixa poluição, principalmente aqueles que utilizam fontes renováveis, em redes de distribuição. Consequentemente, se torna muito importante o entendimento dos desafios técnicos, tendo em vista alta penetração fotovoltaica de sistemas fotovoltaicos na rede, especialmente considerando-se os efeitos intermitentes dessa fonte na qualidade da energia, confiabilidade e estabilidade do sistema elétrico de distribuição. Esse fato pode afetar às redes de distribuição em que estão conectados, causando sobretensões, subtensões e oscilações de frequência. De maneira a prever esses distúrbios, utilizam-se as redes neurais artificiais. Esse artigo tem como objetivo analisar 3 algoritmos de treinamento utilizados em redes neurais artificiais para a previsão temporal de potência ativa gerada por placas fotovoltáicas. Como resultado, conclui-se que o algoritmo com melhor desempenho em relação aos 3 analisados foi o Levenberg-Marqdart.

Keywords

• lgoritmos de treinamento
• redes neurais artificiais
• penetração fotovoltaica
• microgeração
• qualidade da energia