• Informações do Trabalho

Titulo Integração de um modelo de tratamento de dados faltantes à técnica de Deep Learning para estimação de cargas de radiação solar Subtítulo Autor YURI DIAS DE AZEVEDO Orientador LUCIANA CONCEICAO DIAS CAMPOS Resumo A previsão da radiação solar é de suma importância para a eficiência na geração de energia solar e o planejamento estratégico da rede elétrica. Este estudo aborda a relevância da previsibilidade da radiação solar para otimizar a produção, distribuição e armazenamento de energia. No entanto, prever a radiação solar é um desafio complexo devido à sua natureza variável e influências diversas, além de contar com a presença de dados ausentes e ruidosos. O trabalho propõe uma abordagem híbrida, combinando o modelo para completar dados ausentes e ruidosos com técnicas de Deep Learning, para compor um modelo de previsão de radiação solar, que seja mais robusto e consiga previsões mais precisas que outros modelos de previsão tradicionais. Ao melhorar a precisão das previsões, a pesquisa busca contribuir significativamente para o avanço da energia solar como fonte sustentável e para a estabilidade da rede elétrica, impactando fortemente a chamada "Economia Verde". Palavras-Chave Radiação Solar, Previsão, Dados Faltantes, Ruído, Deep Learning, Energia Renovável