Influência do el niño e da la niña na previsão intra-horária da irradiação solar global horizontal/ Influence of el niño and la niña on the intrahorary forecast of horizontal global solar irradiation

Authors

  • Juliana Silva Brasil
  • Felipe Pinto Marinho
  • Paulo Alexandre Costa Rocha

DOI:

https://doi.org/10.34117/bjdv6n1-169

Keywords:

Previsão, Aprendizagem de máquina, Irradiação solar global, El Niño e La Niña.

Abstract

O presente trabalho consiste em avaliar a influência do el niño e da la niña na previsão da irradiação global horizontal da cidade de Fortaleza, Ceará, nos horizontes temporais de 2 min, 10 min e 30 min. essa influência foi inserida através do The Oceanic Niño Index, ONI. O banco de dados utilizados fazia referência aos anos de 2007 a 2019, com exceção dos anos 2009 e 2011. Foram utilizados modelos de aprendizagem de máquinas, florestas aleatórias - RF e rede neural artificial percéptron de múltiplas camadas - ANN, e um método de persistência, que serve de padrão mínimo de desempenho para avaliação dos métodos. A comparação de desempenho dos modelos foi feita, principalmente, pelo valor do nRMSE, que é a raiz do erro quadrático médio. Para a previsão foram considerados como preditores: temperatura e umidade do ar, velocidade e direção do vento, precipitação, irradiação do instante atual e de 5 instantes anteriores, data e hora da coleta do dado e o ONI. Os resultados apontam que as previsões realizadas com o preditor ONI apresentaram menor erro do que as sem essa variável, o que ressalta a importância desse preditor. Além disso, tanto os resultados do RF quanto do ANN apresentaram erros inferiores ao modelo de persistência, sendo o RF o método de melhor desempenho.

References

Notton G, Nivet ML, Voyant C, Paoli C, Darras C, Motte F, Fouilloy A. Intermittent and stochastic character of renewable energy sources: consequences, cost of intermittence and benefit of forecasting. Renewable and Sustainable Energy Reviews 2018; 87:96-105.doi:10.1016/j.rser.2018.02.007.

Quing X, Niu Y. Hourly day-ahead solar irradiance prediction using weather forecasts by LSTM. Energy 2018; 148:461-468. doi:10.1016/j.energy.2018.01.177.

Menezes OL, Oliveira JL, Vasconcelos FC, Pereira JMR, Sakamoto MS. Atlas solarimétrico do Ceará 1963-2010. Fundação Cearense de Meteorologia e Recursos Hídricos-Funceme 2011.

Kayano MT, Andreoli RV, Souza RAF, Garcia SR, Calheiros AJP. El niño e la niña nos últimos 30 anos: diferentes tipos. Instituto Nacional de Pesquisas Espaciais, INPE.

Mohammadi K, Goudarzi N. Study of inter-correlations of solar radiation, wind speed and precipitation under the influence of el niño southern oscillation (ENSO) in California. Renewable Energy 2018; 120:190-200.doi:10.1016/j.renene.2017.12.069.

Plataforma de Coleta de Dados - PCD - Funceme. http://funceme.br/pcd/ (accessed September 20, 2019).

Duffie JA, Beckman WA. Solar Engineering of Thermal Processes. John Wiley & Son, 2006.

Zhu T, Xie L, Wei H, Wang H, Zhao X, Zhang K. Clear-sky direct normal irradiance estimation based on adjustable inputs and error correction. Journal of Renewable and Sustainable Energy 2019; 11.doi:10.1063/1.5094808.

Historical El niño / La niña episodes (1950 - present). https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php (accessed May 12, 2019).

Benali L, Notton G, Fouilloy A, Voyant C, Dizene R. Solar radiation forecasting using artificial neural network and random forest methods: applications to normal beam, horizontal diffuse and global components. Renewable Energy 2019; 132:871-884.doi:10.1016/j.renene.2018.08.044.

Rohani A, Taki M, Abdollahpour M. A novel soft computing model (Gaussian process regression with K-fold cross validation) for daily and monthly solar radiation forecasting (Part: I). Renewable Energy 2018;115:411-422.doi:10.1016/j.renene.2017.08.061.

Rocha PAC, Fernandes JL, Modolo AB, Pontes RJ, Vieira ME, Bezerra CA. Estimation of daily, weekly and monthly global solar radiation using ANNs and a long data set: a case study of Fortaleza, in Brazilian Northeast region. International Journal of Energy and Environmental Engineering 2019.doi:10.1007/s40095-019-0313-0.

Inman RH, Pedro HTC, Coimbra CFM. Solar forecasting methods for renewable energy integration. Progress in Energy and Combustion Science 2013;39:535-576.doi:10.1016/j.pecs.2013.06.002.

Li MF et al. General models for estimating daily global solar radiation for different solar radiation zones in mainland China. Energy Conversion and Management 2013; 70:139-148.doi:10.1016/j.enconman.2013.03.004.

Pedro HTC, Coimbra CFM. Nearest-neighbor methodology for prediction of intra-hour global horizontal and direct normal irradiances. Renewable Energy 2015; 80:770-782. doi:10.1016/j.renene.2015.02.061.

Published

2020-01-15

How to Cite

Brasil, J. S., Marinho, F. P., & Rocha, P. A. C. (2020). Influência do el niño e da la niña na previsão intra-horária da irradiação solar global horizontal/ Influence of el niño and la niña on the intrahorary forecast of horizontal global solar irradiation. Brazilian Journal of Development, 6(1), 2321–2329. https://doi.org/10.34117/bjdv6n1-169

Issue

Section

Original Papers