RESULTADOS PRELIMINARES DE PREVISÃO DE IRRADIAÇÃO SOLAR DE CURTO PRAZO ATRAVÉS DA COMBINAÇÃO DE PROCESSAMENTO DE IMAGENS COM ALGORITMOS DE APRENDIZAGEM DE MÁQUINA

Abstract

Previsões de irradiação solar global de curto prazo no horizonte de previsão de 30 minutos a posteriori foram obtidas por meio da aplicação de algoritmos de aprendizagem de máquina em conjuntos de dados constituídos por sinais coletados por sensores de resistência dependente da luz e descritores estatísticos (média, desvio padrão e entropia de Shannon) extraídos de imagens do céu capturadas por uma câmera. A integração de tais sensores é feita por meio do Raspberry Pi 3, um computador que tem o tamanho de um cartão usado principalmente em projetos de programação, robótica e em iniciativas em geral com software e hardware livre. Desta forma, foi possível avaliar se a adição de preditores obtidos de imagens do céu proporcionam melhorias no desempenho dos modelos de aprendizagem de máquina utilizados, a saber: Árvore de decisão com um procedimento de Bagging, Florestas Aleatórias e K-Vizinhos Mais Próximos. Além disso, também foi avaliado se o uso dos filtros de suavização da mediana e o de aguçamento do laplaciano da gaussiana nas imagens ocasiona melhoras no desempenho relativo ao caso em que se obtém os descritores estatísticos das imagens sem a aplicação de nenhum filtro. A acurácia dos métodos é determinada pelo cálculo das métricas de erro Erro Médio Absoluto, Raiz do Erro Quadrático Médio, Raiz do Erro Quadrático Médio Relativo e a Habilidade de Previsão. A média aritmética da Raiz do Erro Quadrático Médio para os modelos quando se considerou como atributos apenas o valores fornecidos pelos sensores de luminosidade  foi de 165,49 W/m², já para o caso em que se adiciona informações das imagens não filtradas obteve-se 154,01 W/m², para o caso de se adicionar informações de imagens filtradas pelo filtro da mediana teve-se um valor de 153,69 W/m², por fim, para o outro filtro obteve-se 162,24 W/m².