Previsão de radiação solar direta sob a abordagem singular spectrum analysis

Abstract

A geração de energia fotovoltaica vem sendo cada vez mais difundida no contexto das matrizes energéticas no mundo e o Brasil desponta com um grande potencial para tal fim, dado que é um dos maiores receptores de radiação solar no planeta. Com isso, faz-se necessário o desenvolvimento de técnicas capazes de aumentar a capacidade preditiva de incidência de radiação solar, ou da quantidade de tempo de exposição ao sol de determinados locais a fim de auxiliar pesquisas para instalações de usinas geradoras de energia fotovoltaica, bem como qualquer outro estudo que demanda previsões de incidência de radiação solar. Este projeto propõe o uso de Singular Spectrum Analysis (SSA) via análise gráfica de autovetores para filtrar uma série de incidência de exposição completa ao sol, eliminando a componente ruidosa, e então, gerando uma nova série suavizada que foi modelada por Holt-Winters e Box-Jenkins. A série temporal também foi modelada em sua forma original para fins comparativos com o intuito de testar a capacidade preditiva do modelo sobre a série filtrada via SSA. Neste caso, o software FPW (Forecast Pro for Windows) foi utilizado para gerar os modelos e analisar as estatísticas de aderência, o GRETL foi utilizado para analisar funções de autocorrelações e autocorrelações parciais das séries temporais e o R foi utilizado para importar dados referente a resíduos e gerar seus gráficos. As estatísticas de aderência consideradas foram a Raiz Quadrada do Erro Quadrático Médio (RMSE), o Erro Médio Percentual Absoluto (MAPE), o Desvio Médio Absoluto (MAD) e o Critério Bayesiano de Informação (BIC). Os resultados mostram que o filtro Singular Spectrum Analysis melhora a capacidade preditiva dos modelos (tanto o de Holt-Winters quanto o de Box-Jenkins), e que, após a filtragem da série, o modelo de Box-Jenkins foi a melhor escolha para gerar previsões dos dados solarimétricos estudados