Identificação de condição operacional em sistema fotovoltaico conectado à rede elétrica utilizando redes neurais artificiais

Abstract

Neste trabalho são apresentados os resultados de uma pesquisa sobre identificação de condição em sistema solar fotovoltaico conectado à rede elétrica. É utilizado um conjunto de dados reais contendo 192.094 amostras dos padrões observados durante o funcionamento normal e também durante a emulação de sujidade e sombreamento sobre essa instalação. O objetivo deste estudo é desenvolver um sistema computacional capaz de identificar o funcionamento normal, bem como condições de sujidade e sombreamento contidas no conjunto de dados utilizado. A metodologia adotada inclui o uso de redes neurais artificiais como ferramenta de análise. O escopo da pesquisa compreende a utilização de vários modelos neurais, como perceptron e perceptron de múltiplas camadas (MLP), e também a exploração de máquinas de comitê com o intuito de determinar qual técnica proporciona alcançar os resultados mais promissores. Os algoritmos utilizados realizam uma classificação binária entre amostras de dados, e, no âmbito das máquinas de comitê, cada conjunto é composto por cinco redes MLP que empregam o processo de votação majoritária para realizar classificações conjuntas das condições identificadas. Adicionalmente, é desenvolvido um algoritmo baseado em máquinas de comitê que classifica um conjunto de k amostras de forma sequencial, em que o rótulo que ocorre com maior frequência é informado pelo sistema de identificação de condições. Neste processo, a cada nova amostra apresentada para classificação, a última já classificada é excluída da quantidade verificada pelo algoritmo, fazendo com que as classificações se desloquem no decorrer do tempo como um tipo de janela deslizante, fazendo o sistema de identificação de condições determinar com maior precisão a real situação do sistema monitorado. Os resultados obtidos com este último algoritmo demonstram a elevada eficiência do sistema de identificação para as condições de normalidade, sujidade e sombreamento. Utilizando todas as amostras disponíveis, o modelo computacional desenvolvido com três máquinas de comitê, cada qual composta por cinco MLP, alcançou uma taxa de acertos de 98,59%. Posteriormente, utilizando o algoritmo de classificações sequenciais e uma janela deslizante para k igual a 120 amostras, a taxa de acertos alcançou 100%. Com base nos resultados, percebe-se que a identificação de condições em sistemas solar fotovoltaico adquire grande robustez quando realiza classificação de dados de forma sequencial com um algoritmo do tipo j