@TechReport{GuarachiGonēMart:2021:UsApMį,
author = "Guarachi, Mariane Souza and Gon{\c{c}}alves, Andr{\'e} Rodrigues
and Martins, Fernando Ramos",
title = "Uso de aprendizado de m{\'a}quina para gera{\c{c}}{\~a}o de
s{\'e}ries temporais de irradia{\c{c}}{\~a}o solar na
superf{\'{\i}}cie",
institution = "Instituto Nacional de Pesquisas Espaciais",
year = "2021",
type = "RPQ",
address = "S{\~a}o Jos{\'e} dos Campos",
note = "{Bolsa PIBIC/PIBITI/INPE/CNPq.}",
keywords = "energia solar, sensoriamento remoto, modelagem num{\'e}rica.",
abstract = "{\'E} de suma import{\^a}ncia ter dispon{\'{\i}}vel
s{\'e}ries temporais de irradi{\^a}ncia solar de um determinado
local na superf{\'{\i}}cie da Terra para aplica{\c{c}}{\~a}o
em {\'a}reas cient{\'{\i}}ficas e tecnol{\'o}gicas. Em um caso
mais espec{\'{\i}}fico, como a gera{\c{c}}{\~a}o de
eletricidade pela energia solar s{\~a}o necess{\'a}rios dados
detalhados de irradi{\^a}ncia solar do local escolhido para
modelar o desempenho de uma planta fotovoltaica. Frequentemente,
estas s{\'e}ries temporais s{\~a}o obtidas pelas
medi{\c{c}}{\~o}es realizadas no solo ou s{\~a}o derivadas de
imagens de sat{\'e}lites. No entanto, as medi{\c{c}}{\~o}es de
radia{\c{c}}{\~a}o solar podem apresentar descontinuidades no
registro dos dados, que duram de minutos a dias, o que geralmente
{\'e} causado pelo mau funcionamento dos instrumentos de
medi{\c{c}}{\~o}es, manuten{\c{c}}{\~a}o preventiva e
corretiva deficientes e aus{\^e}ncia de energia nos equipamentos.
Esta falta de dados {\'e} prejudicial para o estudo de
viabilidade de uma planta ou sistema fotovoltaico em um
determinado local, pois a aus{\^e}ncia de dados acarreta no
crescimento das incertezas das avalia{\c{c}}{\~o}es sobre o
potencial t{\'e}cnico dispon{\'{\i}}vel no local. Portanto,
nesses casos se faz necess{\'a}ria a utiliza{\c{c}}{\~a}o de
s{\'e}ries temporais geradas sinteticamente ou matematicamente
para preencher as lacunas de dados das medi{\c{c}}{\~o}es.
Modelos estat{\'{\i}}sticos para a gera{\c{c}}{\~a}o de
s{\'e}ries temporais podem utilizar diversas metodologias,
incluindo o aprendizado de m{\'a}quina com a
utiliza{\c{c}}{\~a}o de redes neurais artificiais capazes de
acumular conhecimentos a partir de exemplos e
repeti{\c{c}}{\~o}es. Este trabalho prop{\~o}e o
desenvolvimento e emprego de metodologias de aprendizado de
m{\'a}quinas para a previs{\~a}o de dados de
irradia{\c{c}}{\~a}o solar por meio de s{\'e}ries temporais. A
pesquisa foi iniciada pelo ex-bolsista Rafael Mariano
Juv{\^e}ncio, posteriormente substitu{\'{\i}}do pela estudante
Mariane Souza Guarachi em maio de 2021. Neste per{\'{\i}}odo foi
realizado o levantamento bibliogr{\'a}fico do conhecimento
publicado sobre a gera{\c{c}}{\~a}o de s{\'e}ries temporais e
capacita{\c{c}}{\~a}o no uso da linguagem Python. Em
continuidade ser{\~a}o utilizados diferentes conjuntos de
preditores e topologias de redes neurais com o intuito de
investigar o desempenho no preenchimento de aus{\^e}ncia de dados
em s{\'e}ries temporais.",
affiliation = "{Universidade Federal de S{\~a}o Paulo (UNIFESP)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Universidade Federal
de S{\~a}o Paulo (UNIFESP)}",
language = "pt",
pages = "26",
ibi = "8JMKD3MGP3W34T/464KC8B",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/464KC8B",
targetfile = "Relatorio_Final_PIBIC_2020_2021_Mariane_Souza_Guarachi.pdf",
urlaccessdate = "11 maio 2024"
}