Impacto da Utilização da Previsão de Irradiância e da Transferência de Aprendizado na Previsão da Geração Fotovoltaica Baseada em Modelo LSTM

Abstract

Este artigo investiga o impacto da incorporação da previsão da irradiância global horizontal (GHI) e da transferência de aprendizado na previsão da geração de energia solar fotovoltaica (PV) utilizando uma rede neural recorrente com memória de longo e curto prazo (LSTM). Foram utilizados dados reais de duas usinas fotovoltaicas de localizações diferentes, sendo uma em região de maior instabilidade climática. O estudo avalia o efeito do uso de dados históricos de geração PV com e sem a previsão do GHI como entradas para o modelo LSTM. Além disso, foi proposta uma abordagem de transferência de aprendizado para adaptar o modelo de uma usina PV para outra, possibilitando sua aplicação em diferentes localizações sem a necessidade de dados histórico de geração para o treinamento. Também foi testado a aplicação do método em tempo real durante doze dias. Os resultados mostraram que a utilização da previsão do GHI melhorou significativamente a acurácia da previsão, enquanto que o método de transferência de aprendizado mostrou-se promissor e permitiu a utilização do modelo em uma usina diferente sem precisar de seus dados históricos de geração PV.