| 1. Identificação | ||||
| Tipo de Referência | Artigo em Revista Científica (Journal Article) | |||
| Site | mtc-m21b.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34P/3LG2PPH | |||
| Repositório | sid.inpe.br/mtc-m21b/2016/04.11.16.28 (acesso restrito) | |||
| Última Atualização | 2016:04.11.16.29.50 (UTC) administrator | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21b/2016/04.11.16.28.48 | |||
| Última Atualização dos Metadados | 2018:06.04.02.40.41 (UTC) administrator | |||
| DOI | 10.1016/j.renene.2015.11.005 | |||
| ISSN | 0960-1481 | |||
| Chave de Citação | LimaMarPerLorHei:2016:FoSuSo | |||
| Título | Forecast for surface solar irradiance at the Brazilian Northeastern region using NWP model and artificial neural networks  | |||
| Ano | 2016 | |||
| Mês | Mar. | |||
| Data de Acesso | 18 maio 2024 | |||
| Tipo de Trabalho | journal article | |||
| Tipo Secundário | PRE PI | |||
| Número de Arquivos | 1 | |||
| Tamanho | 3812 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Lima, Francisco José Lopes de 2 Martins, Fernando Ramos 3 Pereira, Enio Bueno 4 Lorenz, Elke 5 Heinemann, Detlev | |||
| Identificador de Curriculo | 1 2 3 8JMKD3MGP5W/3C9JH2E | |||
| Grupo | 1 CST-CST-INPE-MCTI-GOV-BR 2 3 CST-CST-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Universidade Federal de São Paulo (UNIFESP) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 University of Oldenburg 5 Universidade Federal de São Paulo (UNIFESP) | |||
| Endereço de e-Mail do Autor | 1 francisco.lopes@inpe.br 2 3 enio.pereira@inpe.br | |||
| Revista | Renewable Energy | |||
| Volume | 87 | |||
| Páginas | 807-818 | |||
| Nota Secundária | A1_INTERDISCIPLINAR A1_GEOCIÊNCIAS A1_ENGENHARIAS_IV A1_ENGENHARIAS_III A1_ENGENHARIAS_II A1_ENGENHARIAS_I A1_CIÊNCIAS_AMBIENTAIS A1_CIÊNCIAS_AGRÁRIAS_I A1_ADMINISTRAÇÃO,_CIÊNCIAS_CONTÁBEIS_E_TURISMO A2_QUÍMICA A2_MATERIAIS A2_CIÊNCIA_DE_ALIMENTOS A2_BIODIVERSIDADE A2_ARQUITETURA_E_URBANISMO B1_CIÊNCIAS_BIOLÓGICAS_I B1_BIOTECNOLOGIA B1_ASTRONOMIA_/_FÍSICA | |||
| Histórico (UTC) | 2016-04-11 16:28:48 :: simone -> administrator :: 2018-06-04 02:40:41 :: administrator -> simone :: 2016 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Palavras-Chave | Artificial neural network Solar energy forecast Solar irradiance WRF model | |||
| Resumo | There has been a growing demand on energy sector for short-term predictions of energy resources to support the planning and management of electricity generation and distribution systems. The purpose of this work is establishing a methodology to produce solar irradiation forecasts for the Brazilian Northeastern region by using Weather Research and Forecasting Model (WRF) combined with a statistical post-processing method. The 24 h solar irradiance forecasts were obtained using the WRF model. In order to reduce uncertainties, a cluster analysis technique was employed to select areas presenting similar climate features. Comparison analysis between WRF model outputs and observational data were performed to evaluate the model skill in forecasting surface solar irradiance. Next, model-derived short-term solar irradiance forecasts from the WRF outputs were refined by using an artificial neural networks (ANNs) technique. The output variables of the WRF model representing the forecasted atmospheric conditions were used as predictors by ANNs, adjusted to calculate the solar radiation incident for the entire Brazilian Northeastern (NEB) (which was divided into four homogeneous regions, defined by the Ward method). The data used in this study was from rainy and dry seasons between 2009 and 2011. Several predictors were tested to adjust and simulate the ANNs. We found the best ANN architecture and a group of 10 predictors, in which a deeper analyzes were carried out, including performance evaluation for Fall and Spring of 2011 (rainy and dry season in NEB, mainly in the northern section). There was a significant improvement of the WRF model forecasts when adjusted by the ANNs, yielding lower bias and RMSE, and an increase in the correlation coefficient. | |||
| Área | CST | |||
| Arranjo | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > COCST > Forecast for surface... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| Idioma | en | |||
| Arquivo Alvo | Lima_forecast.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Política de Arquivamento | denypublisher denyfinaldraft24 | |||
| Permissão de Leitura | deny from all and allow from 150.163 | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Repositório Espelho | urlib.net/www/2011/03.29.20.55 | |||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3T29H | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.19.20.40 2 sid.inpe.br/mtc-m21/2012/07.13.14.45.21 1 | |||
| Divulgação | WEBSCI; PORTALCAPES; COMPENDEX; SCOPUS. | |||
| Acervo Hospedeiro | sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 | |||
| 6. Notas | ||||
| Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||