Modelo Baseado em Machine Learning - Gradient Boosting para Apoiar o Cálculo de Curtailments: Estudo de Caso da Geração de Energia Fotovoltaica do Subsistema Sul Brasileiro

DSpace Repository

A- A A+

Modelo Baseado em Machine Learning - Gradient Boosting para Apoiar o Cálculo de Curtailments: Estudo de Caso da Geração de Energia Fotovoltaica do Subsistema Sul Brasileiro

Show full item record

Title: Modelo Baseado em Machine Learning - Gradient Boosting para Apoiar o Cálculo de Curtailments: Estudo de Caso da Geração de Energia Fotovoltaica do Subsistema Sul Brasileiro
Author: Pinho, Laís Lana de
Abstract: A geração distribuída de energia fotovoltaica tem se destacado no sistema elétrico brasileiro, especialmente após a Resolução Normativa 482/2012 da ANEEL, que incentivou a micro e minigeração nos locais de consumo. No entanto, o crescimento acelerado desses sistemas, aliado à limitada capacidade de controle pelo ONS, tem provocado episódios de curtailment (cortes na geração regulada) para manter o equilíbrio do sistema. Este trabalho propõe um modelo de previsão de geração solar fotovoltaica para o subsistema Sul, com o objetivo de antecipar cenários de sobreoferta que possam levar a curtailments. Utiliza-se uma abordagem baseada no algoritmo eXtreme Gradient Boosting, com o método K Nearest Neighbors aplicado ao tratamento de dados. O modelo é treinado e validado com divisão de dados em 80/20 e otimizado por busca randômica de hiperparâmetros. Os resultados demonstram boa capacidade preditiva segundo métricas como RMSE, MAPE, MAE e R². Por fim, projeções de crescimento da potência instalada são analisadas, ressaltando a importância de previsões acuradas para mitigar riscos operacionais e apoiar o planejamento da geração regulada.
Description: TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção.
URI: https://repositorio.ufsc.br/handle/123456789/266627
Date: 2025-06-07


Files in this item

Files Size Format View Description
Lais_Lana_de_Pinho_-_ENTREGA_FINAL.pdf 2.050Mb PDF View/Open TCC

This item appears in the following Collection(s)

Show full item record

Search DSpace


Advanced Search

Browse

My Account

Statistics

Compartilhar