Com a ameaça iminente da mudança climática, é hora de abraçarmos as fontes de energia renováveis em maior escala. Os sistemas fotovoltaicos, que geram eletricidade a partir do fornecimento quase ilimitado de energia solar, são uma das formas mais promissoras de geração de energia limpa. No entanto, a integração de sistemas fotovoltaicos em redes de energia existentes não é um processo simples. Como a produção de energia dos sistemas fotovoltaicos depende fortemente das condições ambientais, os gerentes da usina e da rede precisam de estimativas de quanta energia será injetada pelos sistemas fotovoltaicos, a fim de planejar os cronogramas ideais de geração e manutenção, entre outros aspectos operacionais importantes.
Em linha com as tendências modernas, se algo precisa de previsão, você pode apostar com segurança que a inteligência artificial aparecerá. Até o momento, existem muitos algoritmos que podem estimar a energia produzida por sistemas fotovoltaicos com várias horas de antecedência, aprendendo com os dados anteriores e analisando as variáveis atuais. Um deles, denominado sistema de inferência neuro-difuso adaptativo (ANFIS), tem sido amplamente aplicado para prever o desempenho de sistemas complexos de energia renovável. Desde o seu início, muitos pesquisadores combinaram o ANFIS com uma variedade de algoritmos de aprendizado de máquina para melhorar ainda mais seu desempenho.
Uma equipe de pesquisa liderada por Jong Wan Hu, da Universidade Nacional de Incheon, na Coreia, desenvolveu dois novos modelos baseados em ANFIS para estimar melhor a energia gerada por sistemas fotovoltaicos com antecedência em até um dia inteiro. Esses dois modelos são 'algoritmos híbridos' porque combinam a abordagem ANFIS tradicional com dois métodos diferentes de otimização por enxame de partículas, que são estratégias poderosas e computacionalmente eficientes para encontrar soluções ideais para problemas de otimização.
Para avaliar o desempenho de seus modelos, a equipe os comparou com outros algoritmos híbridos baseados em ANFIS. Eles testaram as habilidades preditivas de cada modelo usando dados reais de um sistema fotovoltaico real implantado na Itália em um estudo anterior. Os resultados, como observa o Dr. Hu, foram muito promissores: “Um dos dois modelos que desenvolvemos superou todos os modelos híbridos testados e, portanto, mostrou grande potencial para prever a energia fotovoltaica de sistemas solares em horizontes de curto e longo prazo . ”
Os resultados deste estudo podem ter implicações imediatas no campo dos sistemas fotovoltaicos do software e perspectivas de produção. “Em termos de software, nossos modelos podem ser transformados em aplicativos que estimam com precisão os valores do sistema fotovoltaico, levando a um melhor desempenho e operação da rede. Em termos de produção, nossos métodos podem se traduzir em um aumento direto da energia fotovoltaica, ajudando a selecionar variáveis que podem ser utilizadas no projeto do sistema fotovoltaico ”, explica Dr. Hu. Esperamos que este trabalho nos ajude na transição para fontes de energia sustentáveis!
