CLASSIFICAÇÃO MULTIESTÁGIO APLICADA AO MONITORAMENTO NÃO-INTRUSIVO DE STRING FOTOVOLTAICA
Nome: CAROLINE TEDESCO SANTOS PASSOS
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 31/01/2022
Orientador:
Nome |
Papel |
|---|---|
| RODRIGO RANDOW DE FREITAS | Co-orientador |
| WANDERLEY CARDOSO CELESTE | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| DANIEL CRUZ CAVALIÉRI | Examinador Externo |
| DANIEL JOSÉ CUSTODIO COURA | Examinador Interno |
| HELDER ROBERTO DE OLIVEIRA ROCHA | Examinador Externo |
| LEONARDO JOSE SILVESTRE | Coorientador |
| WANDERLEY CARDOSO CELESTE | Orientador |
Resumo: O Brasil possui um alto índice de incidência solar em todas as suas regiões e a energia solar fotovoltaica é hoje a quarta fonte de energia renovável mais importante no país, com grande chance de expansão e crescimento. Isso abre espaço para a necessidade de busca de soluções a problemas de operação de tais sistemas. Dentre esses, destacam-se aqui as chamadas condições de operação atípica de string fotovoltaica (PV), as quais podem levar o sistema a uma perda de eficiência em sua capacidade de geração ou, até mesmo, a falhas severas. Tais condições atípicas podem ser originárias de efeitos dinâmicos comuns ao sistema fotovoltaico como, por exemplo, sombreamentos e sujeiras acumuladas, por degradação natural do sistema com o tempo, ou, ainda, por falha abrupta causada por mau funcionamento de algum componente do sistema. Independentemente da causa da condição atípica de string, seu efeito é, de alguma forma, registrado na própria geração elétrica, sendo que cada fator causador provoca uma assinatura elétrica, o que permite identificá-lo. Deste modo, o objetivo nesta dissertação é identificar a condição de funcionamento de uma string fotovoltaica dentre vinte condições possíveis, sendo uma normal e as demais atípicas. No caso de condições atípicas provenientes de fontes diversas, deve-se ainda identificar a causadora da condição. Para isso, usa-se um método de monitoramento não-intrusivo que se baseia no uso de amostras de tensão e corrente elétricas geradas pela própria string PV, além do uso de diferentes técnicas baseadas em Inteligência Artificial (IA) para o desenvolvimento de classificadores. É adotada uma metodologia baseada em multiestágio de classificação, a fim de dividir um problema maior e mais complexo em subproblemas fatalmente menores e menos complexos. Logo, são considerados dois estágios de classificação: o primeiro cujo objetivo é identificar uma dentre cinco condições de funcionamento de string PV, isto é, normal, sombreamento total de painel, sombreamento parcial de painel, curto-circuito de painel e rompimento de linha (arco elétrico); e o segundo estágio, cujo objetivo é identificar o painel PV causador de condição atípica. Os classificadores utilizados em ambos os estágios são s baseados no kNN, SVM e MLP. Os resultados alcançados levaram a uma acurácia média de 93,9% quando usando o classificador com o melhor desempenho em cada subproblema tratado.
