PREVISÃO DA IRRADIAÇÃO SOLAR UTILIZANDO MÉTODO ENSEMBLE PARA SELEÇÃO DE ATRIBUTOS E ALGORITMOS DE APRENDIZADO DE MÁQUINA
Seleção de Atributos; Aprendizado de Máquina; Geração
Fotovoltaica; Previsão da Irradiação Solar, Clusterização, Método Ensemble
A precisa previsão da irradiação solar é essencial para operar com segurança sistemas
de energia sob altas quotas de geração fotovoltaica. Este trabalho compara o desempenho de
diversos algoritmos de aprendizado de máquina, incluídos modelos que integram diferentes
algoritmos para previsão de irradiação solar de dias com diferentes padrões climatológicos
utilizando entradas endógenas e exógenas e propõe um método de seleção de atributos para
escolher não apenas os parâmetros de entrada mais relacionados, como também seus valores
de observações passadas. Os algoritmos de aprendizado de máquina utilizados são: AdaBoost,
SVR, RF, XGBT, CatBoost, VOA e VOWA. O modelo ensemble de seleção de atributos proposto é
baseado nos algoritmos RF, IM e Relief. A precisão da metodologia proposta é avaliada com base em várias
métricas utilizando um banco de dados real da cidade de Salvador, Brasil. Diferentes horizontes de previsão
são considerados: 1 h, 2 h, 3 h, 6 h, 9 h e 12 h à frente. Os resultados numéricos
demonstram que a abordagem de seleção de atributos proposta melhora a precisão da previsão
e que o algoritmo VOWA apresenta melhor desempenho quando comparado com outros algoritmos em diferentes horizontes de tempo de previsão.