padrão de formatação - paginas.fe.up.ptpaginas.fe.up.pt/~ee02035/tese.pdf · necessário criar...

Faculdade de Engenharia da Universidade do Porto

Desenvolvimento de Modelos de Previsão de Produção de Centrais Solares Fotovoltaicas

Ricardo Nuno Freitas Neves

Dissertação realizada no âmbito do Mestrado Integrado em Engenharia Electrotécnica e de Computadores

Major Energia

Orientador: Prof. Doutor Cláudio Monteiro

Março de 2010

ii

© Ricardo Nuno Freitas Neves, 2010

iii

Resumo

As energias renováveis eólicas, hídrica e fotovoltaicas são caracterizadas pelo seu

comportamento intermitente com variabilidades de produção rápidas. Com a elevada

penetração destas tecnologias no parque produtor torna-se necessário, por questões de

controlo do sistemas e de gestão das centrais, encontrar formas de prever a produção. Esta

previsão de produção é possível para horizontes temporais de previsão até uma semana, com

discretização de 15 minutos. A base destas previsões são as previsões meteorológicas de

velocidades de vento, pluviosidade, temperatura e radiação.

A investigação e desenvolvimento de previsão de produção fotovoltaica está ainda muito

pouco explorada, no entanto o interesse nestas áreas é crescente, o que em grande medida

justifica a nossa motivação para trabalhar este tema nesta dissertação.

Os modelos desenvolvidos nesta Dissertação restringem-se a modelos de previsão a curto

prazo. Não são abordados neste trabalho modelos de avaliação de recurso energético, que

têm outras finalidades de projecto e de avaliação de potencial e que requerem outro tipo de

metodologias e diferente tipo de informação.

Para além das previsões meteorológicas, as previsões de produção fotovoltaica dependem

das características dos painéis e do tipo de seguimento mecânico usado na central. É

necessário criar modelos de previsão adequados a cada tipo de central. Esta é uma das

características de diversidade metodológica que é trabalhada ao longo da dissertação.

Na dissertação, inicialmente foi desenvolvida uma metodologia, baseada em redes

neuronais, que desagrega a irradiância global horizontal em irradiância directa e difusa. De

seguida, é aplicado um modelo de previsão de produção, tendo em conta as características

das centrais, nomeadamente a existência de sistemas mecânicos de seguimento.

Na dissertação, foi feita a caracterização pormenorizada da situação fotovoltaica em

Portugal até à actualidade, analisando parâmetros como potência instalada, tecnologias dos

painéis e sistemas mecânicos de seguimento utilizados.

Palavras-chave: Irradiância global, directa e difusa horizontal, previsão de produção

fotovoltaica, sistema de seguimento, redes neuronais.

v

Abstract

Wind, hydro and photovoltaic renewable resources are characterized by their

intermittent behavior with rapid production variability. For control systems and plants

management purposes, and taking into account the continuously higher penetration of these

technologies in the electrical production system, it becomes necessary to find ways of

production forecasting. This is possible for horizons up to a week, with 15 minutes

discretization. The core of these models consists in meteorological forecasts of wind speeds,

rainfall, temperature and radiation data.

The photovoltaic production forecasting research and development is still very little

explored. However, there is a growing interest in these areas, which largely justifies our

motivation to work on this subject.

The developed models in this thesis are restricted to short-term forecasting. In the

present work, it is not taken into account energetic resources evaluation models, which have

other project and potential evaluation purposes which require other kind of methodologies

and information.

Photovoltaic production forecasting depends both upon weather forecasts as well as

photovoltaic panels characteristics and the type of plants mechanical tracking system

used. It is necessary to create a predictive model for each type of plant. This is one of the

characteristics of the methodological diversity that is applied during this thesis.

Initially in this thesis, a methodology, based on neural networks, was developed for

disaggregating global horizontal irradiance into beam and diffuse horizontal irradiance.

Then, a production forecasting model is applied, taking into account the characteristics of

plants, namely the presence of mechanical tracking systems.

A detailed characterization about Portuguese solar photovoltaic production was also

done. For this purpose, several parameters were analyzed such as installed capacity, panels’

technology and mechanical tracking systems used in the plants.

.

Keywords: Global, beam and diffuse incident irradiance, forecasting photovoltaic production,

tracking systems, neural networks.

vii

Agradecimentos

Aproveito este momento para homenagear e agradecer às pessoas e instituições que,

directa ou indirectamente, contribuíram para a elaboração desta dissertação.

Ao meu orientador, Professor Doutor Cláudio Monteiro, uma palavra de amizade e de

profundo agradecimento pelo seu apoio contínuo e incansável, orientação e conselhos

prestados que contribuíram de forma fundamental para o desenrolar deste trabalho.

Aos investigadores a Universidade de Aveiro, particularmente ao Professor e Investigador

Alfredo Rocha, por ter disponibilizado previsões meteorológicas para as diversas centrais

fotovoltaicas.

À empresa Smartwatt e seus colaboradores pela disponibilidade de recursos, colaboração

e apoio prestados no desenvolvimento desta dissertação.

Ao Engenheiro Tiago Filipe Ferreira dos Santos pelo seu apoio, disponibilidade e amizade

demonstrada ao longo da dissertação.

Aos Engenheiros Tiago Barata, Ricardo Lopes, Rita Santos, João Figueira, Hélder Baptista,

Jorge Miranda, Agostinho Torres, Vasco Figueira, Alexandre Alves, José Pereira e João Catita

pela disponibilidade demonstrada para fornecer os dados possíveis sobre as centrais

fotovoltaicas em Portugal e pelo esclarecimento pronto quando foi necessário.

Às empresas de instalação microgeração que forneceram o seu portfólio em território

português, permitindo assim cumprir um dos objectivos da dissertação.

A todos os colegas e amigos, especialmente ao Francisco, Luís, Vitor e grupo da sala J102,

pelo apoio e amizade nas longas e difíceis batalhas ao longo destes anos na faculdade.

Aos meus pais e irmãos pelo inestimável apoio familiar que contribuiu de forma decisiva

na minha educação e realização pessoal e profissional.

À minha namorada Maria João que em todos os momentos me apoiou e iluminou com a sua

presença, que nunca me deixou desistir e que nos momentos maus me encheu de força e

esperança que me permitiram concluir a dissertação. A ti, muito obrigado.

Thanks Boss, see you around!

ix

“Great things are done by a series of small things brought together.”

V. Van Gogh

xi

Índice

Resumo ............................................................................................ iii

Abstract ............................................................................................. v

Agradecimentos .................................................................................. vii

Índice ............................................................................................... xi

Lista de figuras .................................................................................. xiii

Lista de Tabelas ................................................................................ xvii

Abreviaturas e Símbolos ....................................................................... xix

Capítulo 1 .......................................................................................... 1

Introdução ......................................................................................................... 1 1.1 - Enquadramento ........................................................................................ 1 1.2 - Importância da Previsão .............................................................................. 7 1.3 - Motivação e Objectivos ............................................................................... 9 1.4 - Estrutura da Dissertação............................................................................ 10 1.5 - Dados Utilizados na Dissertação ................................................................... 10

Capítulo 2 ......................................................................................... 11

Estado da Arte .................................................................................................. 11 2.1- Introdução ............................................................................................. 11 2.2- Sistemas Fotovoltaicos .............................................................................. 11 2.2.1 Classificação e caracterização .................................................................... 12 2.2.2 - Factores que Influenciam a Produção de Energia Solar Fotovoltaica ..................... 12 2.2.3 - Previsão da Produção Renovável ................................................................ 20 2.3- Modelos de Previsão Associados à Energia Fotovoltaica ...................................... 21 2.3.1 - Software de Dimensionamento de Sistemas Fotovoltaicos ................................. 21 2.3.2 - Modelos Numéricos – Numerical Weather Prediction (NWP) ............................... 22 2.3.3 - Metodologias de Simulação de Radiação ....................................................... 24 2.3.4 - Metodologias de Simulação/Previsão de Produção........................................... 32

Capítulo 3 ......................................................................................... 41

Situação Fotovoltaica Nacional .............................................................................. 41 3.1- Caracterização ....................................................................................... 43

xii

3.1.1 - Potência instalada ................................................................................. 46 3.1.2 - Tipos de painéis fotovoltaicos ................................................................... 47 3.1.3 - Sistemas de Mecânicos de Seguimento ......................................................... 48 3.1.4 - Potência Fotovoltaica Instalada por Distrito .................................................. 49 3.2- Perspectivas futuras ................................................................................. 50

Capítulo 4 ......................................................................................... 53

Metodologia do Processo de Previsão de Produção ...................................................... 53 4.1- Fase 1 .................................................................................................. 54 4.2- Fase 2 .................................................................................................. 57 4.3- Fase 3 .................................................................................................. 61 4.3.1 Centrais fixas, com , orientadas para sul ............................................... 64 4.3.2 Centrais fixas, com variável, orientadas para sul .......................................... 64 4.3.3 - Centrais móveis, com sistema seguimento zenital, de um eixo horizontal, com

variável, orientadas para sul ...................................................................... 64 4.3.4 - Centrais móveis, com sistema seguimento azimutal, de um eixo vertical, com

fixa e orientação variável .......................................................................... 66 4.3.5 - Centrais móveis, com sistema seguimento de dois eixos, horizontal e vertical ........ 66 4.4- Fase 4 .................................................................................................. 67 4.5- Fase 5 .................................................................................................. 69

Capítulo 5 ......................................................................................... 71

Resultados ...................................................................................................... 71 5.1- Fase 1 e 2 da Metodologia .......................................................................... 72 5.1.1 - Redes NN1 e NN2 ................................................................................... 72 5.1.2 - Validação das NN1 e NN2 Aplicadas a Localizações em Portugal Continental .......... 75 5.2- Fase 3 e 4 da Metodologia .......................................................................... 77 5.2.1 - Caracterização das Centrais Alvo de Previsão ................................................ 77 5.2.2 - Previsão da Central FV de Moura ................................................................ 78 5.2.3 - Previsão da Central FV de Serpa ................................................................ 81 5.2.4 - Previsão da Central FV do MARL ................................................................ 84 5.2.5 - Previsão da Central FV de Vila do Bispo ....................................................... 87 5.3- Comparação da Previsão de Produção entre as Centrais em Estudo ....................... 90

Capítulo 6 ......................................................................................... 95

Conclusões ...................................................................................................... 95 6.1- Conclusões Finais .................................................................................... 95 6.2- Trabalhos Futuros .................................................................................... 96

Referências ....................................................................................... 99

xiii

Lista de figuras

Figura 1.1 - Capacidade FV acumulada instalada, por região, a partir do ano de 1998 até 2008 [8]. .................................................................................................. 2

Figura 1.2 - Capacidade FV acumulada instalada, por região, a partir do ano de 1998 até 2008 [8]. .................................................................................................. 3

Figura 1.3 - Potência FV instalada acumulada (Adaptado de [11]). .................................. 3

Figura 1.4 – Mapa Mundial com irradiância solar média durante três anos (1991 a 1993 - 24 horas por dia), tendo em conta a nebulosidade (obtida a partir de satélites meteorológicos) [11].................................................................................... 4

Figura 1.5 - Mapa do potencial fotovoltaico na Europa [14]. ......................................... 5

Figura 1.6 - Potência FV acumulada instalada nos países da UE no final de 2008 (laranja - MWp). Potência FV instalada nos países da UE durante 2008 (verde – MWp) [9]. ........... 6

Figura 1.7 - Previsão da evolução das aplicações fotovoltaicas até 2030 (Adaptado de [17]). ...................................................................................................... 7

Figura 2.1 - Curvas I-U do módulo para diferentes irradiâncias, a uma temperatura constante (adaptado de [10]). ...................................................................... 14

Figura 2.2 - Curvas I-U do módulo para diferentes temperaturas e para uma irradiância constante de 1000 W/m2 (adaptado de [10]). ................................................... 15

Figura 2.3 - Potência do módulo para diferentes temperaturas e para uma irradiância constante de 1000 W/m2 (adaptado de [10]). ................................................... 15

Figura 2.4 – Variação da disposição da instalação solar e diferenças na captação [31] ......... 17

Figura 2.5 – Influência do percurso realizado na atmosfera pela radiação [31]. ................. 17

Figura 2.6 – Inclinação tendo em conta a altura do ano (adaptado de [31]). ..................... 18

Figura 2.7 – Diferenças na irradiância entre instalação com sistema de dois eixos e instalação na horizontal, em dias sem nuvens, para um local com latitude de 50º (adaptado de [32]). ................................................................................... 19

Figura 2.8 – Representação esquemática do modelo de previsão. .................................. 37

Figura 2.9 – Modelização do modelo de previsão de produção. ..................................... 39

xiv

Figura 2.10 – Resultados do modelo para sete dias de Abril. ........................................ 40

Figura 3.1 – Radiação global e potencial fotovoltaico anual - disposição horizontal (adaptado de [71]). ................................................................................... 42

Figura 3.2 – Radiação global e potencial fotovoltaico anual - inclinação óptima (adaptado de [71]). ................................................................................................ 42

Figura 3.3 – Instalações fotovoltaicas com potência instalada superior a 40 kWp. .............. 44

Figura 3.4 – Instalações fotovoltaicas com potência instalada inferior a 40 kWp. ............... 45

Figura 3.5 – Evolução, acumulada, da potência instalada, a partir do ano de 2006. ............ 47

Figura 3.6 – Evolução da potência instalada total, a partir do ano de 2006. ..................... 47

Figura 3.7 – Evolução, acumulada, anual das tecnologias fotovoltaicas utilizadas nas centrais em Portugal. ................................................................................ 48

Figura 3.8 – Evolução, acumulada, anual dos sistemas mecânicos de seguimento utilizados nas centrais em Portugal. ........................................................................... 49

Figura 3.9 – Potência instalada, ano 2009, por distrito. .............................................. 49

Figura 3.10 – Instalações fotovoltaicas por construir, já licenciadas. .............................. 51

Figura 3.11 – Potência instalada total das centrais apenas licenciadas ou em construção - coluna e potência instalada total das centrais activas. ........................................ 52

Figura 4.1 – Diagrama geral explicativo da metodologia desenvolvida na dissertação. ......... 54

Figura 4.2 – Diagrama explicativo do modelo empregue na dissertação – fase 1. ................ 55

Figura 4.3 – Representação do ângulo Zenital e da elevação solar. ................................ 56

Figura 4.4 - Diagrama Simplificado de uma Rede Neuronal. ......................................... 58

Figura 4.5 – Rede neuronal feedforward [75]. ......................................................... 59

Figura 4.6 – Diagrama explicativo do modelo empregue na dissertação – parte 2. .............. 61

Figura 4.7 – Representação esquemática dos ângulos associados ao movimento do sol e da instalação [32]. ........................................................................................ 63

Figura 4.8 – Elevação solar – linha azul – e factor 1/ – linha vermelha. .................... 63

Figura 4.9 – Evolução dos ângulos , e a em três momentos do dia. ..................... 65

Figura 4.10 – Diagrama explicativo do modelo empregue na dissertação – fase 4. .............. 68

Figura 5.1 - Comparação entre o irradiância directa (Output da NN1) ( )

e os valores de irradiância directa medidos em Tulsa ( ), para todos os dias do mês de Dezembro. .......................................................................... 73

Figura 5.2 – Comparação entre o irradiância difusa (Output da NN2) ( )

e os valores de irradiância difusa medidos em Tulsa ( ), para todos os dias do mês de Dezembro. ................................................................................ 73

xv

Figura 5.3 – Comparação entre os valores medidos de irradiância global horizontal em

Tulsa ( ) e os valores da irradiância total resultantes da soma da irradiância directa (NN1) e difusa (NN2) ( ), para todos os dias do mês de Dezembro. ................................................................................ 74

Figura 5.4 – Comparação entre a soma dos resultados da NN1 e NN2, irradiância total

( ) e a previsão de irradiância global ( ), para os três dias de Dezembro 2009............................................................................... 76

Figura 5.5 – Comparação entre a soma dos resultados da NN1 e NN2, irradiância total

( ) e a previsão de irradiância global ( ), para os três dias de Janeiro 2010. ................................................................................. 76

Figura 5.6 – Desagregação da previsão de irradiância global ( ) nas suas

componentes directa ( ) e difusa ( ) para os três dias de Dezembro, na central de Moura. .................................................... 78


componentes directa ( ) e difusa ( ), para os três dias de Janeiro, na central de Moura. ....................................................... 79

Figura 5.8 – Comparação entre a irradiância total prevista para o plano horizontal

( ) e a irradiância total prevista para o plano do painel

( ), para três dias de Dezembro, na central de Moura. ........................... 79

Figura 5.9 – Comparação entre a irradiância total prevista para o plano horizontal ( ) e a irradiância total prevista para o plano do painel

( ), para três dias de Janeiro, na central de Moura. .............................. 80

Figura 5.10 – Potência prevista (MW) para os três dias do mês de Dezembro, na central de Moura. ................................................................................................... 80

Figura 5.11 – Potência prevista (MW) para os três dias do mês de Janeiro, na central de Moura. ................................................................................................... 81


componentes directa ( ) e difusa ( ), para os três dias de Dezembro, na central de Serpa. .................................................... 81


componentes directa ( ) e difusa ( ), para os três dias de Dezembro, na central de Serpa. .................................................... 82



( ), para três dias de Dezembro, na central de Serpa. ............................ 82



( ), para três dias de Janeiro, na central de Serpa. ............................... 83

Figura 5.16 – Potência prevista para os três dias do mês de Dezembro, na central de Serpa. ................................................................................................... 83

Figura 5.17 – Potência prevista para os três dias do mês de Janeiro, na central de Serpa. .... 84

Figura 5.18 – Desagregação da previsão de irradiância global ( ) nas suas componentes directa ( ) e difusa ( ), para os três dias de Dezembro, na central do MARL. ..................................................... 84

xvi


componentes directa ( ) e difusa ( ), para os três dias de Dezembro, na central do MARL...................................................... 85


( ) e a irradiância total prevista para o plano do painel ( ), para três dias de Dezembro, na central do MARL. ............................ 85



( ), para três dias de Dezembro, na central do MARL. ............................ 86

Figura 5.22 – Potência prevista para os três dias do mês de Dezembro, na central do MARL. .................................................................................................... 86

Figura 5.23 – Potência prevista para os três dias do mês de Janeiro, na central do MARL. .... 87

Figura 5.24 – Desagregação da previsão de irradiância global ( ) nas suas componentes directa ( ) e difusa ( ), para os três dias de Dezembro, na central da Vila do Bispo. ................................................. 87

Figura 5.25 – Desagregação da previsão de irradiância global ( ) nas suas componentes directa ( ) e difusa ( ), para os três dias de Dezembro, na central da Vila do Bispo. ........................................... 88


( ) e a irradiância total prevista para o plano do painel ( ), para três dias de Dezembro, na central de Vila do Bispo. .................. 88



( ), para três dias de Janeiro, na central de Vila do Bispo. ...................... 89

Figura 5.28 – Potência prevista para os três dias do mês de Dezembro, na central em Vila do Bispo. ................................................................................................ 89

Figura 5.29 – Potência prevista para os três dias do mês de Janeiro, na central em Vila do Bispo. .................................................................................................... 90

Figura 5.30 – Comparação dos resultados da previsão da potência produzida pelas quatro centrais, para os três dias de Dezembro. ......................................................... 90

Figura 5.31 – Comparação dos resultados da previsão da potência produzida pelas quatro centrais, para os três dias de Janeiro. ............................................................ 91

Figura 5.32 – Comparação dos resultados normalizados da previsão da potência produzida pelas quatro centrais, para os três dias de Dezembro. ........................................ 92

Figura 5.33 – Comparação dos resultados normalizados da previsão da potência produzida pelas quatro centrais, para os três dias de Janeiro. ............................................ 92

Figura 5.34 – Comparação dos resultados normalizados da previsão da potência produzida pelas quatro centrais, para dia oito de Janeiro. ................................................ 93

xvii

Lista de Tabelas

Tabela 2.1 - Rendimento eléctrico dos tipos de células fotovoltaicas mais utilizadas (Adaptado de [27]). ................................................................................... 13

Tabela 2.2 – Softwares utilizados para dimensionar instalações fotovoltaicas. .................. 21

Tabela 2.3 – Modelos NWP Globais. ....................................................................... 22

Tabela 2.4 – Modelos NWP Regionais/Locais. ........................................................... 23

Tabela 2.5 – Valores típicos para o albedo de diversas superfícies [43] ........................... 26

Tabela 2.6 – Rácio (η) para diferentes estados do tempo. ........................................... 33

Tabela 2.7 – Rácio para diferentes condições climatéricas. ......................................... 35

Tabela 3.1 – Níveis de Potência instalado considerados. ............................................. 43

Tabela 3.2 – Potência instalada total das centrais apenas licenciadas ou em construção e potência instalada total das centrais activas. ................................................... 52

Tabela 5.1 – NMAPE médio das NN, para conjunto de teste. ........................................ 74

Tabela 5.2 – NMAPE médio da irradiância total horizontal ( resultante das NN, para conjunto teste. .......................................................... 74

Tabela 5.3 – NMAPE médio dos resultados de NN1 e NN2, para os três dias de Dezembro e para os três dias de Janeiro. ........................................................................ 76

Tabela 5.4 – Caracterização das centrais aplicadas no caso de estudo. ........................... 78

xix

Abreviaturas e Símbolos

Lista de abreviaturas

ALADIN Aire Limitée Adaptation Dynamique Développement InterNational

ANFIS Adaptive Neuro-Fuzzy Inference Scheme

ARMA Autoregressive Moving Average

ARIMA Autoregressive Integrated Moving Average

ARPS Advanced Regional Prediction System

CESAM Centro de Estudo de Céu e Mar

CdTe Telureto de Cádmio

CIS Disselenieto de Cobre e Índio

CO2 Dióxido de Carbono

CTS Condições de Teste Standard

CC Corrente Continua

DGEG Direcção Geral de Energia e Geologia

DIN Deutsches Institut für Normung

ECMWF European Center for Midrange Weather Forecast

ECS Sistema Condensador de Energia

EPIA European Photovoltaic Industry Association

FEUP Faculdade de Engenharia da Universidade do Porto

FV Fotovoltaica

GEE Gases de Efeito de Estufa

GEM Global Environment Multiscale Model

GEM-LAM Global Environmental Multiscale Limites Area Model

GFS Global Forecast System

GMT Greenwich Mean Time

GME Global Weather Forecast Model

IGCM Intermediate General Circulation Model

IDW Inverse Distance Weighted

IEA International Energy Agency

xx

MARL Mercado Abastecedor da Região de Lisboa

MLP MultiLayer Perceptron

MM5 Fifth Generation Penn State / NCAR Mesoscale Model MM5

UE União Europeia

Lista de símbolos

Amódulo Área do módulo

CA CS Coeficientes usados no dimensionamento de sistemas FV isolados

CU Capacidade útil

dn Dia do ano

ET Constante de ajuste relacionada com a velocidade de translação da Terra em

torno do sol

Radiação solar incidente num instante t

hg Irradiância global horária

hb Irradiância directa horária

hd Irradiância difusa horária

ht Irradiância total horária

hg_hor Irradiância global horária no plano horizontal

hb_hor Irradiância directa horária no plano horizontal

hd_hor Irradiância difusa horária no plano horizontal

hb_inc Irradiância directa horária no plano do painel

ht_inc Irradiância total horária no plano do painel

hg_hor_TUL Dados históricos de irradiância global horária no plano horizontal para

Oklahoma

hb_hor_TUL Dados históricos de irradiância directa horária no plano horizontal para

Oklahoma

hd_hor_TUL Dados históricos de irradiância difusa horária no plano horizontal para

Oklahoma

hg_hor_TUL_OUTPUT Irradiância global horária no plano horizontal para Oklahoma resultante da

soma das saídas das redes neuronais um e dois

hb_hor_TUL_OUTPUT Irradiância directa horária no plano horizontal para Oklahoma resultante da

saída da rede neuronal um

hd_hor_TUL_OUTPUT Dados históricos de irradiância difusa horária no plano horizontal para

Oklahoma resultante da saída da rede neuronal dois

hg_hor_prev Dados de previsão de irradiância global horária no plano horizontal fornecidos

pela SmartWatt

hg_hor_prev Irradiância extraterrestre

xxi

hb_hor_ prev:OUTPUT Previsão de irradiância directa horária no plano horizontal resultante da rede

neuronal um

hd_hor_prev_OUTPUT Previsão de irradiância difusa horária no plano horizontal resultante da rede

neuronal dois

ht_hor_prev Previsão de Irradiância total horária para o plano horizontal resultante da

soma das saídas das redes neuronais um e dois

hsolar Hora solar

hGMT Hora Greenwich Mean Time

Hb Radiação directa diária

Hd Radiação difusa diária

Ht Radiação total diária

H0 Radiação extraterrestre média diária

Índice de claridade médio anual

NOCT Temperatura de operação nominal da célula

Pprev Previsão de potência

Rb Coeficiente de correcção da radiação directa

TC Temperatura da célula

Vmp Tensão no ponto de potência máxima

Declinação solar

ηFV Eficiência do módulo fotovoltaico

ηMPPT Eficiência total do sistema inversor

ρ Reflectividade do solo, albedo

φ Latitude

Ângulo solar

Ângulo de saída do Sol

ε0 Factor correcção de excentricidade

θz Ângulo zenital

θtilt Ângulo de incidência solar sobre plano inclinado

γt Inclinação adoptada para o painel

Azimute solar

Azimute painel

Ângulo de elevação solar

x Valor na escala real da variável em estudo numa rede neuronal

x’ Valor estandardizado da variável em estudo numa rede neuronal

Capítulo 1

Introdução

Esta dissertação de mestrado foi realizada no âmbito do Mestrado Integrado em

Engenharia Electrotécnica e de Computadores, na Faculdade de Engenharia da Universidade

do Porto (FEUP).

Neste capítulo será apresentado a temática da dissertação, de forma a enquadrar a

importância da dissertação no panorama energético actual, assim como a motivação e os

objectivos associados à sua elaboração. No final do capítulo apresenta-se uma descrição

breve da estrutura adoptada para a dissertação.

1.1 - Enquadramento

Ao longo da história, as necessidades energéticas das sociedades têm vindo a aumentar,

particularmente após a Revolução Industrial. O aumento verificado no consumo de energia

tem sido satisfeito pela utilização do carvão, do petróleo e, mais recentemente, do gás

natural [1].

Embora se reconheça o papel dos combustíveis fósseis como recursos essenciais para as

necessidades presentes da economia e da segurança energética, estes implicam também

elevados impactos ambientais a nível local e global, sobretudo no que respeita a emissões de

gases com efeito de estufa (GEE) [2].

Na sequência da Convenção Quadro das Nações Unidas sobre Alterações Climáticas de

1992, a comunidade internacional adoptou, em 11 de Dezembro de 1997, o Protocolo de

Quioto. Nos termos desse protocolo, a Comunidade Europeia e os seus Estados membros

estabeleceram uma meta de redução global de 8% das emissões de GEE, sendo definidas, ao

abrigo do compromisso comunitário de partilha de responsabilidades, metas diferenciadas

para cada um dos Estados membros. Neste âmbito, Portugal obrigou-se a limitar o aumento

das suas emissões a 27% relativamente aos valores de 1990 [3].

Recentemente, o Parlamento Europeu aprovou o pacote clima-energia. O objectivo da

nova legislação é que a União Europeia reduza em 20% (ou em 30%, se for possível chegar a

um acordo internacional) as emissões de GEE, eleve para 20% a quota-parte das energias

renováveis no consumo de energia e aumente em 20% a eficiência energética até 2020. O

2 Introdução

2

pacote fixa também uma meta de 10% de energias renováveis no sector dos transportes até

essa data [4].

Tendo em conta o actual ritmo de exploração, prevê-se que as reservas de petróleo

conhecidas estejam esgotadas, na sua maioria, até ao ano de 2050. O horizonte temporal do

gás natural é um pouco mais alargado e a utilização em larga escala do carvão, cujas reservas

são de alguns séculos, é a mais gravosa em termos ambientais [1].

Dessa forma, a solução para a crise energética tem que ser suportada com utilização em

grande escala das energias renováveis, preservando as reservas de petróleo ainda existentes

[5].

A aposta nas energias renováveis implica uma grande exigência uma vez que, se por um

lado, se torna necessário controlar tecnologias que ainda não estão totalmente estabilizadas

por outro, é necessário estabelecer um justo equilíbrio entre os incentivos dados aos

produtores e a manutenção de tarifas competitivas, o que requer gerir de uma forma

dinâmica a oferta de energia e os custos gerais do sistema [6].

As tecnologias associadas às energias renováveis têm recebido uma grande atenção por

parte dos governos, indústria e consumidores, reflectindo a crescente consciencialização dos

benefícios sociais, económicos e ambientais, que estas oferecem [7].

Após a explosão do investimento na energia eólica, tem-se verificado um crescente

interesse na energia solar fotovoltaica (FV). Analisando a Figura 1.1 é possível verificar a

potência instalada dos aproveitamentos fotovoltaicos, a nível mundial, até ao ano 2008.

Figura 1.1 - Capacidade FV acumulada instalada, por região, a partir do ano de 1998 até 2008 [8].

No final de 2008, a capacidade FV acumulada, a nível mundial, era próxima de 15 GW. A

Europa abarca cerca de 65% desse valor (9 GW), Japão 15% (2.1 GW) e os Estados Unidos 8%

(1.2 GW) [8].

Na Figura 1.2 é feita uma desagregação da produção FV por regiões e é facilmente

observável o peso da Espanha e da Alemanha na produção fotovoltaica a nível mundial, nos

últimos anos.

Enquadramento 3

Figura 1.2 - Capacidade FV acumulada instalada, por região, a partir do ano de 1998 até 2008 [8].

Como se pode verificar pela análise dos últimos dois gráficos, a UE é a principal força no

mercado fotovoltaico mundial. Para além de ser a maior produtora de energia FV, representa

também cerca de 80% da potência instalada [9].

Os sistemas fotovoltaicos podem ser divididos em dois grandes grupos, os sistemas ligados

à rede e os sistemas autónomos. Nos sistemas autónomos, o aproveitamento da energia solar

precisa de ser ajustado à procura energética, uma vez que a energia produzida não

corresponde, na maior parte das vezes, à procura pontual de energia de um consumidor

concreto. Deste modo, torna-se obrigatório considerar sistemas de armazenamento (baterias)

e meios de apoio complementares de produção de energia (sistemas híbridos) [10].

O crescimento acumulado na capacidade dos módulos fotovoltaicos, desde 1992, nas duas

principais aplicações destes módulos, ligado à rede ou isolados, é ilustrado na Figura 1.3 [11].

Figura 1.3 - Potência FV instalada acumulada (Adaptado de [11]).

Conforme se deduz da leitura da Figura 1.3, o crescimento das instalações ligadas à rede

tem sido exponencial.

Este crescimento tenderá a acentuar-se nos próximos anos, uma vez que o potencial de

construção de sistemas solares fotovoltaicos em várias áreas do planeta, como as

0

1000

2000

3000

4000

5000

6000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

Pro

dução (

MW

)

Ano

Alemanhã

Resto da Europa

Resto do Mundo

Japão

EUA

Espanha

0

1000

2000

3000

4000

5000

6000

1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005

Po

tên

cia

Inst

alad

a (M

W)

Ano

Ligado à rede

Isolados

4 Introdução

4

representadas pelas áreas a preto assinaladas no mapa-mundo da Figura 1.4, permitiria

produzir mais energia do que o total das necessidades mundiais de energia primária (supondo

uma eficiência da conversão de 8%). Dessa forma, toda a energia consumida actualmente,

incluindo calor, electricidade, combustíveis fósseis, etc., seria produzida sob a forma de

electricidade através de células solares [12].

Figura 1.4 – Mapa Mundial com irradiância solar média durante três anos (1991 a 1993 - 24 horas por dia), tendo em conta a nebulosidade (obtida a partir de satélites meteorológicos) [11].

Em Março de 2009, no evento “Semana da Energia Sustentável”, realizado em Bruxelas, a

Comissão Europeia apresentou o Plano Estratégico Europeu Tecnológico para as Energias

Renováveis. Neste plano, a energia solar desempenha um papel estratégico, na medida em

que, segundo os objectivos definidos no mesmo, terá de garantir 15% dos consumos de

electricidade dos países da UE até 2020 (12% pela produção FV de electricidade e 3% através

de sistemas solares térmicos) [13].

Para apoiar os Estados-Membros na realização destes objectivos, a Comissão Europeia

está a impulsionar parcerias público/privadas de forma a mais rapidamente implementar e

colocar no terreno as tecnologias que utilizam a energia solar. A construção de grandes

centrais solares, a integração urbana (“cidades solares”) e a electrificação rural no interior

de cada país, assim como as interligações entre os países membros, contribuirão para

acelerar o processo de implantação [13].

O potencial solar fotovoltaico dos países da UE encontra-se representado na Figura 1.5.

Enquadramento 5

Figura 1.5 - Mapa do potencial fotovoltaico na Europa [14].

Como é possível verificar os países situados no sul da Europa apresentam os índices de

potencial mais elevados, o que aconselharia a um forte investimento neste tipo de sistemas.

Neste contexto de maior ou menor potencial fotovoltaico, importa salientar a Alemanha no

que diz respeito à relação entre o potencial que apresenta e o investimento feito.

No final de 2006, quase 88% de todas as instalações solares fotovoltaicas da UE ligadas à

rede situavam-se na Alemanha [15]. Este país apresentou, entre 2006 e 2007, o mais rápido

crescimento do mercado fotovoltaico do mundo. Em 2008, apresentava aproximadamente

5,337 MWp de potência FV instalada, o que correspondia a cerca de 35% da capacidade FV

mundial [16]. A indústria FV alemã cria mais de 10.000 postos de trabalho na produção,

distribuição e instalação [15]. Assim, mesmo não apresentando um potencial elevado, o forte

investimento feito na Alemanha na tecnologia solar FV trouxe benefícios em termos sociais,

económicos e ambientais.

Na Figura 1.6, é possível verificar que no final de 2008, a Alemanha representava uma

grande parte da potência FV acumulada instalada na Europa, imediatamente seguida pela

Espanha.

6 Introdução

6

Figura 1.6 - Potência FV acumulada instalada nos países da UE no final de 2008 (laranja - MWp).

Potência FV instalada nos países da UE durante 2008 (verde – MWp) [9].

No resto do mundo, é de realçar três grandes forças no âmbito da energia solar FV: os

Estados Unidos da América, a Coreia do Sul e o Japão.

Relativamente ao futuro é de prever que, nos próximos anos, os sistemas fotovoltaicos

tenham uma implementação progressiva no Mundo, uma vez que o crescimento da população

e o uso cada vez mais intensivo de equipamentos de todo o tipo têm aumentado os consumos

energéticos.

Procura-se atingir um sistema de produção de energia global sustentável que não coloque

em causa o planeta, mas garanta as necessidades da humanidade. Os sistemas fotovoltaicos

possuem argumentos muito fortes e são considerados essenciais para alcançar esse objectivo.

A redução do preço e o aumento da eficiência dos painéis fotovoltaicos são bons indicadores

disso, revelando o grande investimento que se tem efectuado no sector.

Numa perspectiva a curto/médio prazo, segundo o relatório de previsões até 2013 da

EPIA, é esperado que a Alemanha se mantenha como o maior mercado fotovoltaico na

Europa, com papeis cada vez mais importantes da França e Itália. Se forem levantadas as

restrições rígidas impostas pelo governo espanhol que limitam o mercado fotovoltaico anual,

entre 2009 e 2011, a 500 MW, a EPIA prevê que estes quatro países representem mais de 75%

do mercado europeu até 2013 [8].

Numa perspectiva a longo prazo, a evolução prevista para os diversos tipos de aplicação

dos sistemas fotovoltaicos até 2030 é representada na Figura 1.7.

Importância da Previsão 7

Figura 1.7 - Previsão da evolução das aplicações fotovoltaicas até 2030 (Adaptado de [17]).

Pode constatar-se que as instalações associadas a consumidores particulares apresentam

tendência para desaparecer, mas, no entanto, as aplicações de sistemas isolados, quer no

plano industrial, quer no plano rural vão aumentar, nomeadamente nos países

subdesenvolvidos. Os sistemas ligados à rede tenderão a perder uma fracção do seu domínio

no mercado de aproximadamente 25%, até 2030.

A longo prazo prevê-se que a energia solar FV contribua cada vez mais para a produção

de energia com o objectivo de satisfazer os consumos totais energéticos [18].

A Europa será responsável por um número elevado de exportações de equipamentos

fotovoltaicos para o resto do mundo. Este crescimento previsto na UE permitirá criar entre

200 a 400 mil postos de trabalho, muitos deles ligados à instalação [19].

Após 2030, prevê-se um contínuo aumento da eficiência dos painéis até se atingir um

desempenho na conversão de energia na ordem dos 30-50%, que permitirá um uso muito

eficiente das áreas disponíveis. As previsões apontam para que, praticamente, todos os novos

edifícios estarão equipados com um sistema fotovoltaico e que muitos deles sejam produtores

conectados à rede eléctrica [19].

Quanto a Portugal, num cenário mais realista, elaborado para a próxima década, espera-

se que a microgeração tenha o peso de dez por cento no mercado português. O principal

benefício será a redução de perdas na rede eléctrica, O estudo sobre o impacto da

microgeração na rede eléctrica [20], revela que é possível evitar anualmente a perda de 3437

GWh, o equivalente a 370 toneladas de CO2 evitadas e a uma poupança de 22 milhões de

euros.

A muito longo prazo, existem previsões que estimam que por volta do ano 2050, numa

escala global, será produzida cerca de 30.000 TWh de electricidade, anualmente, com origem

em sistemas fotovoltaicos [21].

1.2 - Importância da Previsão

Nesta primeira década do século XXI, e como comprovado na secção anterior, a energia

solar FV é aquela que mais tem crescido, em termos relativos [22].

O aumento da intensidade de utilização da energia solar, recurso endógeno com elevado

grau de volatilidade e variabilidade [23], obriga ao desenvolvimento de técnicas de previsão

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

2006 2010 2020 2030

Perc

enta

gem

da E

volu

ção d

os

Tip

os

Aplicações

Ano

Consumidores particulares

Isolados, aplicações Indústriais

Isolados, aplicações Rurais

Ligados à rede

8 Introdução

8

da potência solar FV, de forma a constituir a chave de sucesso para a sua cada vez maior

integração na rede eléctrica. É fundamental o contínuo desenvolvimento de sistemas técnicos

de previsão, tendo em conta o seu papel fundamental em diversos pontos:

Garantir a segurança de abastecimento;

Ajudar a resolver problemas de gestão de congestionamento;

Gerir o despacho económico e pré-despacho;

Planear reserva secundária e reserva terciária;

Planear a gestão do armazenamento de energia;

Planear os trânsitos nas interligações;

Operar nos mercados de electricidade [24].

É essencial que os resultados obtidos com estes sistemas apresentem elevado grau de

fiabilidade, pois só assim se pode minimizar os problemas de injecção de potência solar FV na

rede. Dependendo do horizonte temporal, os sistemas de previsão podem auxiliar no

despacho do sistema electroprodutor ou apoiar nas decisões de expansão da rede eléctrica

[23].

Os sistemas de previsão são, também, caracterizados pelo seu horizonte temporal, que

corresponde ao período para o qual o sistema fornece valores de previsão. Não existe um

consenso relativamente à definição destes intervalos (difere com o autor que os define) e

depende do tipo de fonte renovável.

Já existem modelos de previsão de produção para algumas tecnologias, tais como a

energia hídrica e a energia eólica.

Relativamente à previsão de energia hídrica, esta é caracterizada pela fulcral

importância dada ao planeamento e estratégia de operação. Consiste em conhecer-se

antecipadamente o planeamento de produção, de forma a realizar a previsão de

afluências [25].

Quanto à previsão de energia eólica, existem diversos modelos de previsão que

necessitam de valores de previsão de variáveis meteorológicas, como por exemplo a

velocidade e direcção do vento. A principal diferença entre os modelos reside na forma como

estas variáveis são transformadas em valores de potência. Apresentam-se, assim, dois grandes

grupos de sistemas de previsão de potência eólica, Modelos Físicos e Modelos Estatísticos. Os

Modelos Físicos utilizam as curvas de potência dos aerogeradores para fornecer valores de

potência prevista. Os Modelos Estatísticos relacionam os valores históricos com as previsões

das variáveis meteorológicas [25].

A previsão de produção FV pode assim constituir-se como uma ferramenta útil em

diversas situações, tais como para participação em mercados de electricidade, gestão do

sistema, auxílio no planeamento de operação (congestionamento, Unit Commitment e

despachos), bem como, para auxílio na gestão de operação e manutenção nas próprias

instalações solares fotovoltaicas.

Para sistemas fotovoltaicos definimos os seguintes períodos de previsão:

Muito Curto Prazo – Horizonte temporal de menos de 60 minutos;

Curto Prazo – Horizonte temporal até uma semana;

Para além da previsão, existem modelos de avaliação de recurso, com análise de séries

anuais.

Motivação e Objectivos 9

A base para a previsão das fontes renováveis descritas são as previsões meteorológicas de

velocidades de vento, pluviosidade, temperatura e radiação.

Para concluir, a essência desta dissertação justifica-se, na medida em que, a previsão é

aplicada numa grande variedade de situações, nomeadamente, na resolução de problemas

associados à intermitência de recurso renovável e à sua crescente integração.

1.3 - Motivação e Objectivos

Quando se aborda a temática energias renováveis, associa-se imediatamente a fontes

intermitentes e variáveis que não se conseguem controlar e despachar. Com a grande

penetração de energia eólica, este aspecto tem-se revelado fulcral, tendo-se assistido nos

últimos anos a um desenvolvimento de ferramentas de previsão a curto prazo. Actualmente

assistimos também a um desenvolvimento importante da produção solar FV. A produção solar

FV é aparentemente mais fácil de prever, no entanto, as ferramentas de previsão existentes

são baseadas em metodologias de simulação de produção.

O fotovoltaico é considerado o símbolo tecnológico de futuro para o sistema de

abastecimento de energia sustentável em diversos países [21].

A motivação associada à elaboração desta dissertação assenta na necessidade actual de

desenvolver ferramentas de previsão de produção de energia solar FV, a curto prazo, baseada

em previsões meteorológicas de irradiância global horizontal e temperatura.

A obtenção de resultados fiáveis através destas ferramentas permitirá uma

implementação mais robusta e eficaz das centrais fotovoltaicas no planeamento de pré-

despacho e despacho dos sistemas eléctricos de energia, assim como possibilitará um

tratamento mais eficaz de situações de congestionamentos e de necessidades de manutenção

dos respectivos parques.

Os objectivos definidos para a dissertação são:

Identificar os tipos de metodologias existentes actualmente para prever a

produção de centrais fotovoltaicas, assim como identificar os pressupostos e as

variáveis de cada uma destas metodologias e o seu enquadramento aplicacional.

Caracterizar a situação actual da produção solar FV em Portugal, identificando

locais, potência instalada, características das centrais.

Desenvolver ferramentas de previsão de irradiância directa e difusa a partir de

previsões de irradiância global horizontal, para curto prazo.

Analisar e comparar os resultados obtidos na desagregação da irradiância global

horizontal nas suas componentes directa e difusa com os dados de irradiância

global, directa e difusa que foram disponibilizados.

Desenvolver ferramentas de simulação e previsão de produção para centrais

fotovoltaicas a partir das previsões de irradiância obtidas e de previsões

meteorológicas, para curto prazo.

Aplicar o processo desenvolvido às centrais fotovoltaicas cujos dados de

irradiância e temperatura e características das mesmas foram disponibilizados.

Analisar os resultados de previsão de produção calculada a partir das séries de

irradiância directa e difusa.

10 Introdução

10

1.4 - Estrutura da Dissertação

No capítulo 2, é feita uma análise e descrição de modelos existentes de previsão de

produção de energia para sistemas fotovoltaicos isolados ou ligados à rede. São também

apresentados factores que condicionam a produção de energia FV de uma central.

No capítulo 3, é feita a caracterização da situação FV em Portugal. Inicialmente é

apresentado o potencial da radiação solar de Portugal, tendo em conta dados obtidos em

anos médios. Após contactos estabelecidos com as diferentes entidades responsáveis pelas

instalações fotovoltaicas em Portugal foi possível apresentar a evolução, desde 2006 até à

actualidade, da potência instalada, tipos de materiais utilizados nos painéis, sistemas

mecânicos de seguimento e potência instalada por distrito. Desta forma, no final deste

capítulo será possível perceber com clareza o panorama do fotovoltaico em Portugal.

No capítulo 4, apresenta-se a metodologia utilizada para se atingir os objectivos

propostos para a dissertação. Com esta metodologia pretende-se desagregar a irradiância

global em directa e difusa, componentes necessárias para posterior estimativa de produção

em centrais com diferentes características de seguimento.

No capítulo 5, são apresentados os resultados obtidos com este trabalho. Aplicou-se a

metodologia a quatro centrais fotovoltaicas e foi feita uma análise, passo a passo, dos

resultados obtidos com a mesma.

No capítulo 6, apresentam-se as conclusões obtidas com o trabalho. Procurar-se-à fazer

uma análise crítica dos resultados obtidos, encontrando possíveis erros e pontos de

melhoramento, bem como apresentar-se algumas perspectivas para trabalhos futuros.

1.5 - Dados Utilizados na Dissertação

Ao longo da dissertação foram utilizados um conjunto de dados essenciais, a saber:

Dados sobre as centrais solares fotovoltaicas existentes em Portugal (fornecidas pelas

entidades responsáveis pelas centrais): a localização das centrais, características das

mesmas, datasheets dos painéis e dos inversores utilizados, existência ou não de

sistemas mecânicos de seguimento, etc.

Dados históricos de irradiância global horizontal, directa e difusa para a Tulsa,

Oklahoma, Estados Unidos da América para o ano de 2009.

Dados de previsões meteorológicas para os locais onde estão instaladas as centrais:

irradiância global horizontal e temperatura (fornecidas pelo Professor Alfredo Rocha

da Universidade de Aveiro e Investigador do Centro de Estudo de Céu e Mar (CESAM),

por intermédio da Empresa SmartWatt). Os valores de previsão da irradiância global

sobre superfície horizontal e temperatura ambiente foram fornecidos sob a forma de

séries temporais, em intervalos de 15 minutos para todas as horas do dia,

relativamente aos meses de Dezembro de 2009 e Janeiro de 2010. O modelo utilizado

efectua previsões quatro vezes por dia para um horizonte temporal máximo de 72

horas (três dias).

Capítulo 2

Estado da Arte

2.1- Introdução

Neste capítulo são apresentados diversos aspectos associados aos sistemas fotovoltaicos,

assim como, diversos modelos existentes associados à energia solar. Inicialmente, é feita uma

descrição sumária dos sistemas fotovoltaicos, no qual o maior relevo é dado aos factores que

condicionam a produção FV. Seguidamente, são apresentados diversos modelos através dos

quais é feito a previsão de radiação solar em relação a um determinado local. Por fim são

descritos alguns dos modelos de simulação e de previsão de produção existentes.

Com esta caracterização do estado de arte será possível compreender melhor a

contribuição das metodologias apresentadas nesta dissertação.

2.2- Sistemas Fotovoltaicos

As células, os módulos e os sistemas fotovoltaicos tiveram grande desenvolvimento nos

últimos 25 anos do século XX, tendo-se verificado melhorias significativas na performance e

redução dos custos por unidade de área. A variedade das tecnologias das células e dos

módulos fotovoltaicos disponíveis comercialmente ou em desenvolvimento expandiu-se

grandemente [21].

Actualmente, a energia solar FV é uma das alternativas mais credíveis na produção de

energia eléctrica, no âmbito das energias renováveis.

A tecnologia solar FV é considerada uma das opções mais adequada para a electrificação

das populações em localizações remotas [26] e do ponto de vista da engenharia, a

modularidade é talvez a característica mais atractiva desta tecnologia. Esta permite que

sejam projectadas instalações de produção de electricidade desde alguns W até valores de

muitos MW, de forma a satisfazer e ir de encontro às necessidades específicas, possibilidade

que é conseguida seguindo regras básicas de engenharia eléctrica. Esta propriedade associada

com o facto de a tecnologia estar preparada e dimensionada para funcionamento autónomo,

assim como outras características como pesos leves dos sistemas, reduzidas necessidades de

manutenção e tempo de vida longos das tecnologias, levou as pessoas a considerar os

sistemas baseados em energia FV como uma opção atractiva [21].

12 Estado da Arte

12

2.2.1 Classificação e caracterização

As instalações solares fotovoltaicas podem ser divididas em dois grandes grupos. No

primeiro incluem-se os clientes com contrato de fornecimento de energia eléctrica em baixa

tensão e unidades de microprodução de electricidade monofásica em baixa tensão com uma

potência de ligação de até 5,75 kW, instalada no local de consumo. O Decreto-Lei nº.

363/2007 define este grupo como microgeração. Dentro deste grupo temos dois regimes

remuneratórios, o bonificado até 3,68 kW e o geral para as restantes unidades de

microgeração. O segundo grupo inclui as restantes instalações, consideradas grandes centrais

solares fotovoltaicas. O critério de inclusão num dos dois grupos é a potência instalada.

Os sistemas fotovoltaicos implementados podem, globalmente, apresentar diferentes

configurações consoante o objectivo a que se destinam e os orçamentos disponíveis. Os seus

principais elementos são as baterias, inversores e painéis fotovoltaicos, mas podendo também

apresentar diferentes tipos de sistemas mecânicos de seguimento e reguladores de carga.

2.2.2 - Factores que Influenciam a Produção de Energia Solar Fotovoltaica

A produção solar FV de uma central é influenciada por diferentes aspectos, sendo os

principais factores que afectam a produção abordados de forma sucinta nos pontos seguintes.

2.2.2.1. Características das Células Solares Fotovoltaicas

A funcionalidade de uma célula solar consiste em converter directamente a energia solar

em electricidade. O processo de conversão mais comum é realizado através do efeito

fotovoltaico [27].

A escolha do tipo de células solares vai influenciar a capacidade de produção dos parques

solares fotovoltaicos. Apresenta-se de seguida os três principais tipos de células solares:

As células monocristalinas de Silício (Si-m) constituem a primeira geração. O seu

rendimento eléctrico é relativamente elevado, mas as técnicas utilizadas na sua

produção são complexas e dispendiosas. Por outro lado, é necessária uma grande

quantidade de energia no seu fabrico, devido à exigência de utilização de materiais

em estado muito puro e com uma estrutura cristalina perfeita [27].

As células policristalinas de Silício (Si-p) têm um custo de produção inferior uma vez

que necessitam de menos energia para o seu fabrico, mas no entanto apresentam um

rendimento eléctrico inferior. Esta diminuição de rendimento é causada pela

imperfeição do cristal, devido ao sistema de fabrico [27].

As células de silício amorfo (Si-a) apresentam um custo de produção mais reduzido,

mas em contrapartida o seu rendimento eléctrico é também o menor. As células de

silício amorfo são películas muito finas, o que permite a sua utilização como material

de construção, tirando ainda proveito energético [27].

Na Tabela 2.1, são apresentados os valores típicos para o rendimento eléctrico dos

diversos tipos de células fotovoltaicas, rendimento este que vai condicionar a produção da

central.

Software de Dimensionamento de Sistemas Fotovoltaicos 13

Tabela 2.1 - Rendimento eléctrico dos tipos de células fotovoltaicas mais utilizadas (Adaptado de [27]).

Rendimento

típico [%]

Máximo registado em

aplicações [%]

Rendimento máximo registado em

laboratório [%]

Si-m 12-15 22.7 24.0

Si-p 11-14 15.3 18.6

Si-a 6-7 10.2 12.7

Existem ainda outros tipos de células que se tem vindo a desenvolver nos últimos anos:

Células de Telureto de Cádmio (CdTe). Estas constituem o concorrente mais recente

do Si-m, Si-p e Si-a no mercado fotovoltaico para geração de potência, também na

forma de filmes finos. O recorde de eficiência de células individuais de pequenas

áreas em laboratório situa-se na ordem dos 18%, enquanto, os painéis solares

encontrados no mercado internacional apresentam eficiência entre 7% e 9% [28].

Células de Disselenieto de Cobre e Índio (CIS). Estas serão, num futuro próximo, outro

sério concorrente no mercado fotovoltaico, uma vez que possuem potencial para

atingir eficiências relativamente elevadas. Actualmente, as células CIS de pequenas

áreas, produzidas em laboratório, apresentam eficiências em torno dos 19,9%. Painéis

com grandes áreas (actualmente em escala piloto com aproximadamente 0,38 m2)

devem estar disponíveis no mercado dentro em breve, com eficiências de 9-10% [28].

A potência máxima de uma única célula FV não excede 2 W, aproximadamente, o que é

manifestamente insuficiente para a maioria das aplicações. Desta forma, as células

fotovoltaicas são agrupadas em série e/ou em paralelo formando módulos ou painéis [29].

A organização das células nos módulos pode ser feito conectando-as em série ou em

paralelo. Ao conectar as células em paralelo, a corrente total do módulo é dada pela soma

das correntes de cada célula e a tensão do módulo é igual à tensão da célula. A conexão mais

comum de células fotovoltaicas em módulos é o arranjo em série. Este consiste em agrupar o

maior número de células em série onde se soma a tensão de cada célula chegando ao valor

final de tensão pretendido [30].

Os módulos fotovoltaicos constituídos através de ligações em série e em paralelo,

apresentam uma maior unidade do ponto de vista eléctrico e mecânico. De forma a minimizar

as perdas de potência no sistema, só se deverá utilizar módulos do mesmo tipo [10].

No caso de se tratar de grandes instalações, os módulos ou painéis fotovoltaicos podem

ser agrupados em série e/ou paralelo de modo a obter os valores de tensão pretendidos.

Ao contrário de outras tecnologias, os sistemas fotovoltaicos raramente operam em

condições nominais de funcionamento. O funcionamento nominal apenas ocorre nas condições

de referência (CTS) [10].

Os principais factores que influenciam as características eléctricas de um painel são a

radiação incidente e a temperatura das células [30].

14 Estado da Arte

14

2.2.2.2. Efeito da Radiação

De uma forma geral pode afirmar-se que a corrente produzida nos módulos aumenta de

forma linear com o aumento da Intensidade luminosa [30]. Assim, quando a irradiância desce

para metade, a electricidade produzida reduz-se também para metade [10].

No entanto, o valor da tensão permanece relativamente constante com as variações da

radiação solar. Na Figura 1.1, pode constatar-se que para um módulo standard de 50 Wp, a

alteração máxima da tensão MPPT produzida pelas variações da irradiância é de

aproximadamente 4 V. Porém, dado que a maioria dos sistemas fotovoltaicos possuem vários

módulos fotovoltaicos ligados em série, a tensão MPPT poderá variar dentro de um intervalo

de 40 V, devido às variações da radiação. Para níveis baixos de radiação (apenas alguns

W/m2) a tensão cairá. Os inversores passam então a operar ao nível da tensão

correspondente, isto é, o ponto operacional do inversor para irradiâncias baixas deixa de ser

o MPPT [10].

Figura 2.1 - Curvas I-U do módulo para diferentes irradiâncias, a uma temperatura constante (adaptado de [10]).

Conclui-se assim, que a variação da irradiância incidente é um dos principais factores que

condicionam a produção FV de uma instalação.

2.2.2.3. Efeito da temperatura

O aumento da temperatura na célula faz com que a eficiência do módulo caia, baixando

assim os pontos de operação para a potência máxima gerada [30].

A tensão do módulo é sobretudo afectada pela temperatura da célula. O desvio da tensão

para o módulo em análise, sob condições CTS, pode elevar-se a -8 V no Verão e a +10 V no

Inverno. As variações da tensão do módulo estabelecem a tensão do sistema e,

consequentemente, têm uma forte influência na concepção do sistema fotovoltaico. No

Inverno, quando temos vários módulos ligados em série, esta condição poderá causar um nível

de aumento da tensão, podendo ser superior a 100 V, o que leve a que seja ultrapassada a

tensão máxima permitida pelos dispositivos situados a jusante. No Verão, a redução da


potência útil do módulo fotovoltaico para altas temperaturas pode elevar-se a 35%, em

comparação com as condições de referência, como se pode verificar na Figura 2.3. De forma

a minimizar esta perda de potência, os módulos fotovoltaicos devem poder dissipar este

excesso de calor para o exterior, recorrendo a ventilação suficiente. Note-se que, as

variações de temperatura não têm um efeito significativo na corrente, verificando-se apenas

um ligeiro aumento com o aumento da temperatura [10].

Figura 2.2 - Curvas I-U do módulo para diferentes temperaturas e para uma irradiância constante de 1000 W/m2 (adaptado de [10]).

Figura 2.3 - Potência do módulo para diferentes temperaturas e para uma irradiância constante de 1000 W/m2 (adaptado de [10]).

2.2.2.4. Efeito da Velocidade do Vento

Numa primeira fase de dimensionamento dos sistemas fotovoltaicos, é necessário

proceder-se ao estudo de dados históricos de velocidade do vento, relativamente ao local

onde se pretende instalar a central, tendo em conta os esforços que estes exercem

16 Estado da Arte

16

relativamente às instalações. Só assim é possível dimensionar de forma correcta as

instalações.

Relativamente à influência da velocidade do vento na produção FV, esta reflecte-se no

cálculo da temperatura da célula. Este parâmetro influência posteriormente a potência

produzida pela instalação, na medida em que faz o ajuste do rendimento ou da potência do

painel, em cada instante.

Existem diversas formulações para calcular a temperatura da célula, apresentando-se em

seguida duas das formulações existentes. A opção por uma delas está dependente, em vários

casos dos dados disponíveis.

(2.1)

Onde:

é a temperatura da célula, (K);

é a temperatura ambiente, (K);

é o coeficiente de absorção da radiação;

é a irradiância incidente, (W/m2);

corresponde à tensão na célula, (V);

corresponde à corrente na célula, (A);

é superfície de cada célula onde incide a radiação, (m2);

é a velocidade do vento, (m/s)

são as componentes fixa (WK-1m-2) e variável (JK-1m-3) do factor de perdas

térmicas do colector, respectivamente.

(2.2)

Onde:

irradiância total plano do painel, (W/m2);

é o Nominal Operationg Cell Temperature, temperatura de funcionamento

nominal da célula, fornecido pelos fabricantes, (ºC);

corresponde à temperatura ambiente prevista para o mesmo instante da

previsão, (ºC);

2.2.2.5. Efeito da Inclinação e Orientação dos Módulos Solares

A orientação definida para a instalação solar tem por consequência diferentes níveis de

radiação. Para instalações fixas, situadas no hemisfério norte, a orientação que maximiza a

quantidade de radiação aproveitável coincide com o Sul geográfico. Para instalações no

hemisfério sul, a orientação que maximiza a quantidade de radiação aproveitável coincide


com o Norte geográfico. Desvios para Leste traduzem-se num avanço à captação e desvios

para Oeste num atraso à captação (1 hora por cada 15º) [31].

Figura 2.4 – Variação da disposição da instalação solar e diferenças na captação [31]

A quantidade de radiação solar captada numa superfície é maximizada quando esta se

encontra posicionada perpendicularmente à radiação. Este facto deve-se à variação angular

da absorção (α) e à reflexão (ρ), assim como ao percurso realizado pela radiação na

atmosfera, Figura 2.5 [31].

Figura 2.5 – Influência do percurso realizado na atmosfera pela radiação [31].

A inclinação dos painéis solares deverá optimizar a captação de radiação solar, tendo em

conta a variação da elevação e do azimute solar ao longo do ano, como se pode ver pela

Figura 2.6.

18 Estado da Arte

18

Figura 2.6 – Inclinação tendo em conta a altura do ano (adaptado de [31]).

O ângulo de inclinação óptimo para os painéis é um valor próximo da latitude do local da

instalação [31].

Em Portugal, a orientação óptima de uma instalação é a direcção Sul, com um ângulo de

35º (β=35º) de inclinação. Neste caso, o nível de radiação é, aproximadamente, 15% maior do

que a captada numa instalação com inclinação de 0º (β=0º) [10].

A implementação de instalações solares em telhados inclinados, com orientações

diferentes à da posição óptima, traduz-se numa menor produção de energia devido à redução

da radiação. Uma orientação para Sudoeste ou Sudeste dos telhados ou uma inclinação entre

20º e 50º implica uma redução máxima da energia produzida de dez por cento. Os telhados

cuja orientação varie ainda mais da posição óptima podem também ser explorados, no

entanto, nesta situação a menor radiação deverá ser equacionada [10].

A utilização das fachadas para a integração de tecnologias solares (β =90°) implica uma

menor produção de energia, devido à redução significativa da radiação [10].

2.2.2.6. Efeito do Uso de Sistemas Mecânicos de Seguimento

O uso de sistemas mecânicos de seguimento para seguir a posição do Sol traduz-se num

aumento de energia produzida [32].

Nos dias de maior radiação, com grande componente de radiação directa, podem obter-se

ganhos elevados de radiação. Mediante a latitude do local em estudo, para dias claros, estes

ganhos podem atingir 50 % no Verão e 300 % no Inverno, quando comparados com sistemas

fotovoltaicos implementados na horizontal. A utilização de sistemas mecânicos de seguimento

apresenta os maiores ganhos na produção de energia no Verão, uma vez que, os ganhos

absolutos no Verão são muito maiores do que no Inverno mas também a proporção de dias

nublados é significativamente maior no Inverno do que no Verão [32].

Temos dois grupos de sistemas mecânicos de seguimento, os de dois eixos e os de um

eixo. Os mecanismos com dois eixos colocam a superfície de captação na posição ideal

relativamente ao Sol. No entanto, estes são muito mais complexos do ponto de vista técnico

do que os sistemas de um eixo. As instalações com sistemas de um eixo podem apresentar

várias configurações. No âmbito da dissertação será de destacar dois tipos: sistema de


seguimento com um eixo na vertical (ou azimutal), cujo movimento segue o azimute solar;

sistema de seguimento com um eixo na horizontal, seguindo a movimentação horária, diária,

mensal ou anual do sol, em função da elevação solar [32].

Na Europa Central, os sistemas fotovoltaicos com seguimento de dois eixos, podem obter

aumentos de produção na ordem dos 30%. Nos dispositivos de um eixo, este ganho situa-se

nos 20%. Em localizações de maior radiação, o aumento de energia produzida será ainda

maior [32].

Na Figura 2.7, apresenta-se um exemplo da diferença entre captação de radiação entre

uma instalação com sistema de dois eixos e uma instalação sem sistema de seguimento, ao

longo de um dia de Verão e um dia de Inverno, para uma localização com latitude de 50º. É

possível constatar a diferença significativa entre os dois casos, quer para o dia de Verão, quer

para o dia de Inverno [32].

Figura 2.7 – Diferenças na irradiância entre instalação com sistema de dois eixos e instalação na horizontal, em dias sem nuvens, para um local com latitude de 50º (adaptado de [32]).

No entanto, os sistemas mecânicos de seguimento solar são mais complicados, mais caros

e apresentam maiores custos de operação e manutenção. Estes sistemas também deverão

resistir às grandes pressões do vento. Os sistemas de seguimento podem vir equipados com

um sistema de controlo eléctrico, ou ser movido através de meios termo-hidráulicos. Se

utilizamos um sistema de controlo eléctrico será necessária a sua alimentação, o que reduz a

eficiência energética global do sistema. Os sistemas termo-hidráulicos são baseados no

princípio de aquecimento de líquidos e nas diferenças resultantes de pressão. Caso o

mecanismo deixe de funcionar, o sistema fotovoltaico pode ficar imobilizado numa posição

desfavorável, o que conduz a uma diminuição considerável da radiação captada durante o

período de imobilização [32].

2.2.2.7. Outros Efeitos

Existem outros factores que podem influenciar a produção FV de uma instalação. Quando

por algum motivo alguns módulos de uma string ou série ficam encobertos, sombreamento, a

corrente não varia mas a tensão fica reduzida em proporção ao número de módulos

20 Estado da Arte

20

sombreados [33]. No entanto, quando se perdem fileiras ou paralelos por sombreamento,

verifica-se uma redução do valor da corrente, mas o valor da tensão mantêm-se como se

perdesse apenas uma unidade [33]. Desta forma, para que toda a corrente de um módulo não

seja condicionada por uma célula de pior desempenho, usa-se um díodo de passo ou de

“bypass” [30].

Outro factor é o MPPT. A potência máxima varia com as condições ambientais e com a

tensão aos terminais do módulo [29]. Além disso, quando as células fotovoltaicas estão

ligadas a uma carga surgem outros problemas que fazem com que a energia transferida para a

carga raramente corresponda à energia máxima produzida pelo gerador fotovoltaico [34]. De

forma a colocar o módulo fotovoltaico no ponto de operação que corresponde ao valor de

potência máxima, os conversores fotovoltaicos possuem, actualmente, um sistema digital de

cálculo da tensão à potência máxima (para cada par de valores radiação – temperatura),

designado por seguidor MPPT [29]. Estes controladores estão particularmente adaptados para

regular fontes não lineares e forçá-las a trabalhar no ponto de potência máxima, resultando,

assim, uma melhoria global do rendimento da conversão em energia eléctrica [34]. O valor de

referência da tensão é calculado através de um modelo de simulação do comportamento do

módulo fotovoltaico e constitui uma entrada de um conversor CC/CC, que é usado para

ajustar o nível da tensão de saída à tensão de entrada do inversor. Muitas vezes, o próprio

conversor CC/CC é designado (de forma não muito rigorosa) por MPPT. Ao controlar a tensão

de saída do módulo, automaticamente se impõe o valor de corrente, que depende da tensão

de acordo com a curva I-V do módulo fotovoltaico e com o modelo adoptado para a sua

representação [29].

2.2.3 - Previsão da Produção Renovável

Os sistemas e ferramentas de previsão são utilizados no auxílio da gestão de sistemas

eléctricos, com particular relevância para a previsão de carga. Tendo em conta a importância

dos resultados obtidos, a precisão é fundamental para ajudar a um planeamento eficaz e

eficiente. Assim, para se garantir níveis de precisão e fiabilidade mais elevados, os sistemas

de previsão estão constantemente a evoluir e podem ser caracterizados pelo horizonte

temporal das previsões que são feitas [35].

Para que a energia FV produzida seja introduzida, quer no mercado de electricidade,

quer na gestão de redes, é indispensável a existência de ferramentas capazes de efectuar a

sua previsão.

Tipicamente os horizontes temporais definidos são:

Previsão de Muito Curto Prazo: Sistemas de previsão para horizontes temporais desde

alguns segundos até uma hora;

Previsão de Curto Prazo: Previsão para um horizonte temporal compreendido entre

uma hora e uma semana, embora possa entrar no horizonte temporal de muito curto

prazo como no caso desta dissertação (previsão para 15 minutos). Tem particular

importância para a participação no mercado de electricidade diário, embora o

horizonte temporal de previsão necessário seja definido pela exigência do operador

de mercado sobre a antecedência das previsões;

Avaliação de Recurso: Neste caso são analisadas séries anuais.


Importa ainda referir que em função do horizonte temporal escolhido, os sistemas de

previsão podem auxiliar no despacho do sistema electroprodutor e/ou apoiar nas decisões de

expansão da rede eléctrica [25].

2.3- Modelos de Previsão Associados à Energia Fotovoltaica

Um objectivo principal da dissertação consiste em elaborar modelos de previsão de

produção de centrais solares fotovoltaicas, pelo que se tornou necessário proceder a uma

pesquisa sobre o estado da arte até à data. Procurou-se identificar que tipo de software

executa simulação e previsão de produção e posteriormente identificar metodologias

disponíveis para a previsão de radiação, simulação de produção e previsão de produção.

2.3.1 - Software de Dimensionamento de Sistemas Fotovoltaicos

Todos os softwares apresentados na Tabela 2.2 são baseados em séries temporais de

radiação. Estas podem ser geradas de forma sintética ou reproduzidas a partir de séries

históricas típicas.

Nenhum destes softwares utiliza previsão de produção a curto prazo segundo a

perspectiva apresentada na dissertação.

Tabela 2.2 – Softwares utilizados para dimensionar instalações fotovoltaicas.

Na pesquisa realizada não foram encontrados serviços de previsão a curto prazo. No

entanto, temos conhecimento que existem empresas que começam a oferecer serviços deste

tipo.

22 Estado da Arte

22

2.3.2 - Modelos Numéricos – Numerical Weather Prediction (NWP)

As previsões atmosféricas apresentam vastas aplicações e utilizações, sendo a base

explicadora do funcionamento de grande variedade de sistemas, porque quase todos os

sistemas são influenciados pelas condições e variáveis meteorológicas.

Relativamente à previsão de produção FV, a previsão das variáveis atmosféricas são de

extrema importância, na medida em que, é necessário conhecer o comportamento das

condições atmosféricas para efectuar a previsão pretendida.

Surgiram modelos de previsão numérica (modelos NWP) cujo objectivo, partindo de um

conjunto de condições iniciais, é fornecer informação sobre o comportamento da atmosfera

para um determinado horizonte temporal.

Os modelos NWP têm sido utilizados desde 1950 após um trabalho desenvolvido por

Charney, Fjortoft e von Neumann [36]. São modelos computacionais com capacidades de

simular o comportamento da atmosfera, utilizando um sistema complexo de equações

matemáticas. Estas apresentam um carácter não linear, tornando-se assim impossível obter

uma solução exacta. Deste modo, para a resolução das respectivas equações é necessária a

utilização de métodos numéricos.

Habitualmente, os modelos NWP encontram--se divididos em dois modelos: Global – onde

se efectuam previsões para todo o planeta; Regional/Local – onde se efectuam previsões para

determinadas zonas continentais.

Importa salientar que os modelos NWP têm a capacidade de fornecer valores de previsão

à escala continental, para um horizonte temporal que varia de três a 72 horas. Quanto aos

modelos globais podem fornecer previsões com horizonte temporal até sete dias.

2.3.2.1. Modelos Globais

Os modelos atmosféricos de macroescala são os que oferecem previsões meteorológicas

de maior alcance (escala mundial). Estes possuem uma resolução da ordem de 200 km e têm

como objectivo identificar o comportamento geral da atmosfera sobre uma determinada

zona. São modelos com capacidade de identificar fenómenos meteorológicos de larga escala.

Apresenta-se em seguida a Tabela 2.3 onde se ilustram os principais modelos globais

desenvolvidos.

Tabela 2.3 – Modelos NWP Globais.

Designação Desenvolvido por

GFS – Global Forecast System National Centre for Environmental Prediction

GEM – Global Environment Multiscale Model MSC – Meteorological Service of Canada

IGCM – Intermediate General Circulation

Model

Department of Meteorology at the University

of Reading

UM – Unified Model UK Met Office

GME German Weather Service

Modelos Numéricos – Numerical Weather Prediction (NWP) 23

As entidades referidas na segunda coluna dispõem de recursos computacionais com

elevada capacidade de processamento, tendo assim a capacidade de resolver as complexas

equações várias vezes ao dia. Este aspecto permite fornecer previsões refrescadas em

intervalos de seis horas e 12 horas.

Em Portugal para além do Instituto de Meteorologia existem várias instituições de

investigação que recorrem a estas previsões globais que englobam o território nacional. O

modelo mais utilizado é o GFS.

2.3.2.2. Modelos Regionais/Locais

Como mencionado anteriormente, os modelos atmosféricos globais analisam a evolução

da atmosfera em todo o planeta. No caso dos modelos atmosféricos locais, estes concentram-

se em grandes áreas, como por exemplo, continentes.

Estes modelos apresentam uma resolução espacial de 2 km até cerca de 50 km e têm

como objectivo analisar e identificar, com detalhe, o comportamento da atmosfera sobre

uma região específica. É possível, deste modo, identificar fenómenos meteorológicos de

pequena escala.

Na Tabela 2.4 apresentam-se os principais modelos Regionais/Locais desenvolvidos.

Tabela 2.4 – Modelos NWP Regionais/Locais.

Designação Desenvolvido por

ALADIN – Aire Limitée Adaptation dynamique

Développement InterNational

Météo-France

ARPS - Advanced Regional Prediction System University of Oklahoma

MM5 - Fifth Generation Penn State / NCAR

Mesoscale Model MM5

PSU/NCAR

WRF - Weather Research and Forecasting

Model

NCEP

GEM-LAM – Global Environmental Multiscale

Limites Area Model

MSC

Estes modelos são de extrema importância para a previsão FV, uma vez que permitem

estudar uma determinada zona geográfica com grande resolução espacial, como por exemplo,

o estudo de um parque solar FV.

É importante mencionar que os modelos NWP Regionais/Locais mais utilizados em

Portugal são o MM5, WRF e o ALADIN.

De destacar o modelo WRF, tendo em conta a sua posterior utilização na metodologia

empregue na dissertação.

O modelo Weather Research and Forecasting (WRF) é desenvolvido por um conjunto de

entidades de índole operacional e de investigação dos Estados Unidos da América e é

actualmente uma referência em termos de modelação numérica em muitos países. Na

dissertação o WRF foi tornado operacional pelo Grupo de Meteorologia e Climatologia da

Universidade de Aveiro (CliM@UA).

24 Estado da Arte

24

Segundo [37], o WRF foi aplicado em três configurações diferentes, para Portugal

continental, Açores e Madeira. Para Portugal as condições iniciais e de fronteira utilizadas

pelo WRF consistem nas previsões previamente realizadas pelo modelo global de previsão de

tempo designado Global Forecasting System (GFS). O GFS opera com uma resolução

horizontal elevada de 0,5° latitude X 0,5° longitude (aproximadamente 40 km na nossa

região). As previsões meteorológicas são actualizadas quatro vezes por dia.

As variáveis utilizadas no WRF são:

temperatura, graus centigrados, (ºC);

precipitação - milímetros (1 mm = 1 litro por metro quadrado) acumulado durante

uma hora (mm/hora);

vento - metros por segundo (m/s);

nuvens/nevoeiro - conteúdo de água líquida/sólida expresso em massa de água

(gramas) por massa de ar (quilogramas) (g/kg);

pressão - pressão atmosférica ao nível do mar (hecto-Pascal, ou milibar) (hPa);

humidade relativa - percentagem (%).

2.3.3 - Metodologias de Simulação de Radiação

Os valores médios de radiação dependem da latitude, do dia do ano, da hora do dia e da

orientação e inclinação da superfície. Existem métodos analíticos e de regressão que

permitem estimar valores de radiação e consequentemente de produção.

Estes métodos podem ser úteis como fazendo parte dos modelos de previsão mas em si,

não constituem modelos de previsão.

Existem vários métodos para simulação de radiação solar, diária e horária, relativamente

a um determinado local. De seguida, serão apresentados alguns dos processos que foram

identificados.

2.3.3.1. E. Lorenzo [38]

O método descrito por E. Lorenzo é aplicado em diversos softwares e é um dos mais

utilizados. Necessita de alguns dados específicos do local, tais como, localização, dados

médios mensais da radiação solar diária (podem ser obtidos através de alguns dos softwares

enumerados anteriormente, por exemplo RetScreen), inclinação pretendida para a central a

instalar e valor do albedo característico do local de instalação. Tendo todos os dados

necessários, será possível aplicar a metodologia descrita em seguida.

Inicialmente é necessário identificar a latitude do local e calcular o valor da declinação

que varia de acordo com o dia do ano. O seu valor é dado em graus pela equação de Cooper

(em 1969 [39]), equação 2.3.

, (2.3)

Onde:

é o dia do ano (exemplo: n=1 para 1 de Janeiro; n=32 para 1 de Fevereiro) [7];

Metodologias de Simulação de Radiação 25

De seguida é necessário calcular a distância zenital, a elevação solar e o azimute solar

(para ω<0 e ψS= -ψS) recorrendo às equações 2.4, 2.5 e 2.6 respectivamente.

, (2.4)

, (2.5)

, (2.6)

Onde:

é o deslocamento angular do sol a leste ou a oeste em relação ao meridiano local,

devido ao movimento da terra [40]. É calculado, em graus, através da equação 2.7;

é a latitude do local, (rad).

, (2.7)

Inicia-se a segunda etapa com o cálculo da radiação extraterrestre média diária,

(Wh/m2), sobre uma superfície horizontal, H0, através da equação 2.8.

, (2.8)

Onde:

representa nesta equação a constante solar cujo valor é igual a 1367 W/m2 [7],

valor este que foi definido pelo Centro Mundial de Radiação e apresenta uma

incerteza na ordem do 1 % [41];

é o ângulo de saída do sol e é dado pela equação 2.9.

, (2.9)

De seguida, os valores da radiação diária global no plano horizontal (kWh/m2) podem ser

obtidos, tal como referido anteriormente, pelo RetScreen para praticamente todos os pontos

do mundo onde se pretenda instalar uma central. A partir destes valores será possível

prosseguir com a metodologia.

A radiação solar pode ser dividida em duas componentes, radiação directa que provém do

Sol e radiação difusa que emana do resto do céu [7].

A radiação diária difusa ( ) pode ser estimada em função da radiação global ( ) e do

índice de claridade ( ). Existem vários modelos de regressão diários (modelo de Collares-

Pereira ou o modelo de Ruth e Chant) e mensais (modelo de Page ou modelo de Iqbal) [42]. O

índice de claridade está associado à razão entre a radiação solar na superfície da Terra e a

radiação extraterrestre [7], que pode ser calculado segundo a equação 2.10.

26 Estado da Arte

26

, (2.10)

Tal como foi dito, existem diversas equações para o cálculo da radiação diária difusa (Hd)

(Wh/m2) consoante o local pretendido. Para o modelo descrito até ao momento, Hd é

calculado segundo a equação 2.11.

, (2.11)

Estamos agora em condições de calcular a radiação diária directa (Wh/m2) segundo a

equação 2.12.

, (2.12)

Por fim, é necessário encontrar a contribuição da reflexão do solo para a radiação diária

total. O albedo (ρ) é a reflectividade da superfície relativamente à radiação solar. É

quantificado como a proporção ou a percentagem de radiação solar reflectida por uma

superfície ou um corpo em relação à radiação sobre ele incidente. Os valores típicos da

radiação solar reflectida a partir de vários objectos são apresentados na Tabela 2.5.

Tabela 2.5 – Valores típicos para o albedo de diversas superfícies [43]

Superfície Detalhes Albedo (ρ)

Solo

Areia

Escuro e húmido

Claro e seco

0.05

0.40

0.15-0.45

Erva Longa

Curta

0.16

0.26

Campos Agrícolas 0.18-0.25

Tundra 0.18-0.25

Florestas

Água

Deciduous

Coníferas

Pequenos ângulos Zenitais

Grandes ângulos Zenitais

0.15-0.20

0.05-0.15

0.03-0.10

0.10-1.0

Neve

Antiga

Recente

0.40

0.95

Gelo

Nuvens

Mar

Glaciares

Espessas

Finas

0.30-0.45

0.20-0.40

0.60-0.90

0.30-0.50


O cálculo da radiação do albedo (Wh/m2) é efectuado através da equação 2.13.

, (2.13)

Onde:

é a inclinação da superfície de instalação.

À excepção da componente do albedo que já tem em conta a inclinação adoptada para a

instalação, quer a componente directa, quer a difusa foram calculadas para o plano

horizontal. Torna-se assim necessário fazer o ajuste para o plano de inclinação pretendido.

O coeficiente Rb converte a radiação directa em plano horizontal na radiação no plano

definido para o painel [42]. Este coeficiente é calculado pela equação 2.14.

, (2.14)

Onde:

representa a hora de saída do sol sobre o plano e pode ser calculado segundo a

equação 2.15.

, (2.15)

Para a radiação difusa aplica-se a equação 2.16.

, (2.16)

Assim, a radiação diária total, para uma superfície inclinada, é obtida segundo a equação

2.17.

, (2.17)

A fase seguinte consiste em calcular a radiação horária directa (hb) e horária difusa (hd),

que pode ser obtida a partir das radiações diárias Hb e Hd [42], respectivamente. Para isso,

recorre-se à fórmula de Collares-Pereira e Rabl para calcular o factor rt, associado à radiação

global, através da equação 2.18.

, (2.18)

Onde:

28 Estado da Arte

28

rt é a relação entre a radiação global horária total e a radiação global diária total,

com ωs expresso em radianos, e ω para o ponto médio da hora, para a qual o

cálculo seja feito, também expresso em radianos;

, (2.19)

, (2.20)

E com a fórmula de Liu e Jordan para determinar o índice rd, associado à radiação difusa,

recorrendo à equação 2.21.

, (2.21)

Onde:

rd é a razão entre a radiação difusa horária total e a radiação difusa total.

Para cada hora do "dia", a radiação global horizontal (h), a radiação difusa e directa são

calculadas segundo as equações 2.22, 2.23 e 2.24, respectivamente.

, (2.22)

, (2.23)

, (2.24)

Para o cálculo da radiação total horária relativamente a um plano inclinado definido, ht,

usa-se o modelo isotrópico de Duffie e Beckman (1991). Este não é o modelo disponível mais

preciso, no entanto, é muito eficiente na fase de pré-viabilidade, equação 2.25.

, (2.25)

O resultado da aplicação destes passos é uma série temporal com os valores de simulação

de radiação, para cada hora, tendo em conta o plano inclinado adoptado na instalação.

2.3.3.2. Modelos de Simulação de Radiação Global

Existem diversas abordagens para simulação de radiação global, enumerando-se em

seguida, algumas das identificas.

As imagens de satélites geoestacionários (satélite METEOSAT por exemplo) têm sido

utilizadas para a determinação e previsão das condições de radiação solar para determinados


locais. Este método assenta na determinação da estrutura das nuvens nos intervalos de tempo

gravados anteriormente. De seguida, procede-se a uma extrapolação do seu movimento, que

resulta numa previsão das posições das nuvens e consequentemente uma previsão da radiação

solar no local. Este método apresenta como vantagem o facto de produzir uma análise

espacial de uma área dentro dos limites de resolução possíveis [44].

No modelo “Hourly solar radiation forecasting using optimal coefficient 2-D linear filters

and feedforward neural networks” os dados horários de radiação solar estudados foram

recolhidos para o período de 1 de Agosto de 2005 a 30 de Julho de 2006 da estação de

observação solar situada na região de Eskisehir, na área do campus de Iki Eylul. É proposto

um modelo bidimensional (2-D) de representação da radiação solar horária. O modelo fornece

uma visualização única e compacta dos dados para inspecção e permite fazer previsões

precisas utilizando métodos de processamento de imagem. Usando os dados de radiação solar

horária mencionados, o modelo de imagem é formado de forma digitalizada com linhas e

colunas correspondendo aos dias e horas, respectivamente. As correlações “entre-dias” ao

longo do mesmo segmento horas fornecem as correlações verticais da imagem final, facto que

não se encontra disponível nas representações dos modelos a 1-D. Para testar a eficiência de

previsão do modelo foram usados nove filtros lineares diferentes. Os resultados fornecem o

modelo de correlação e direcções de previsão para obter o template óptimo de previsão de

radiação. Neste trabalho, a previsão de desempenho 2-D é testada através de redes neuronais

(NN) do tipo feedforward, utilizando os mesmos dados. Os filtros lineares óptimos e os

modelos de NN são comparados usando a raiz do erro médio quadrático (RMSE). Observa-se

que o modelo 2-D apresenta vantagens sobre a representação dos modelos a 1-D quer para os

métodos de previsão lineares quer para os métodos que usam NN. Devido à capacidade de

identificar o comportamento não linear dos dados de entrada, os modelos com NN conseguem

melhores resultados de previsão do que os filtros lineares de previsão quer em 1-D quer em 2-

D [45].

Chowdhury e Rahman, em 1987, usaram dados sub-horários para fazer a previsão da

radiação solar. Foi pela primeira vez utilizado um processo inicial de “limpeza” onde se

separa as transmissividades entre dias de céu limpo e dias com nuvens. Para os dias de céu

limpo, os autores consideraram que as equações físicas já existentes eram suficientes em

conjunto com os valores paramétricos para a área em estudo. Para as transmissividades em

dias com nuvens foi usado um modelo ARMA. Estes modelos são bastante precisos, com

excepção de alterações transitórias de sombreamento do sol por nuvens [46].

É também possível encontrar na literatura, para diversos períodos médios, abordagens

ARMA diferentes. Em 1990 Hokoi et al. desenvolveram um modelo estocástico de séries

temporais de radiação solar horárias para os meses de Verão. Após uma série de

transformações, os autores descobriram que um modelo ARMA (3,3) fornecia melhores

resultados. A função de auto-correlação entre os dados actuais e os dados simulados quase

coincidiam para intervalos de tempo pequenos. No entanto, para intervalos de tempo grandes

o modelo proposto não segue as flutuações dos dados actuais, embora tenda para a mesma

média [47].

O uso do índice de claridade é outra das abordagens propostas para modelizar e gerar

sequências sintéticas de radiação solar em intervalos sub-horários (Skartveit e Oseth em 1992

[48]) e intervalos horários (Mustacchi et al. em 1979 [49], Aguiar e Collares-Pereira em 1992

[50-51]), usando modelos Markovianos e ARMA. No entanto, muitos destes modelos não devem

30 Estado da Arte

30

ser usados com o objectivo de previsão devido à grande quantidade de parâmetros

determinados de forma empírica, o que resulta em erros de previsão mais elevados.

Michael L. Roderick, em 1998, propôs a obtenção da componente de radiação difusa

diária e mensal a partir de medições de radiação global. Este modelo usou dados

provenientes de 25 pontos da Austrália e Antárctida, que foram utilizados para desenvolver

correlações entre a fracção difusa (razão entre a radiação difusa e a radiação global) e o

índice de claridade (razão entre a radiação global e a radiação extraterrestre) numa escala

diária. As relações estabelecidas vão estar dependentes de alguns parâmetros relacionados

com as centrais (localização) e dos dados históricos associados a cada uma delas. Com isto,

foram obtidas equações que permitem atingir os objectivos propostos com o trabalho. Foi

desenvolvido, numa fase posterior, um modelo teórico para converter a radiação difusa de

diária para mensal [52].

Mora-Lopéz e Sidrach-de-Cardona seguiram um percurso similar (1998), no qual

propuseram o uso de ARIMA (1,0,0)(0,1,1) para modelizar a radiação solar global como uma

percentagem do máximo valor disponível [53].

Muitos grupos de pesquisa e investigação sugeriram e aprovaram o uso de NN para a

previsão de radiação solar em locais onde não estejam disponíveis equipamentos de recolha

de dados. Estas abordagens são baseadas em análises de regressões e não em previsões.

Williams e Zazueta, em 1996, e Elizondo et al., em 1994 [54], propuseram o uso de NN do

tipo feedforward para estimar a radiação solar diária. Usaram como variáveis de entrada

outros parâmetros meteorológicos tais como precipitação, temperatura, radiação em dia

limpo, duração do dia e dia do ano. Todos concluíram que esta abordagem apresentava

melhor performance do que os métodos lineares tradicionais [44].

O modelo “An ANFIS-based Forecasting for Solar Radiation Data from Sunshine Duration

and Ambient Temperature” parte da premissa que a radiação solar total é considerada o

parâmetro mais importante em aplicações de energias renováveis, especialmente no

dimensionamento de sistemas fotovoltaicos. No entanto, estes dados nem sempre estão

disponíveis, particularmente em sítios isolados, devido à inexistência de estações

meteorológicas nestes locais. Por outro lado, a temperatura média e duração do dia solar

estão sempre disponíveis, uma vez que é possível medir esses parâmetros utilizando

instrumentos simples. O modelo introduz uma nova abordagem para a previsão e modelização

de valores de radiação solar total, a partir da duração média do dia solar e da temperatura

do ar, utilizando um modelo ANFIS. Esta técnica é adequada para previsão de séries

temporais. Neste estudo foi utilizada uma base de dados de duração diária do sol,

temperatura ambiente e radiação solar total, que foram gravados durante 10 anos (1981-

1990). O modelo ANFIS, treinado com base em dados recolhidos ao longo de 9 anos e um

conjunto de 365 valores de radiação solar, correspondentes a 1 ano, será utilizado para testar

o modelo. Desta forma, a rede foi treinada para aceitar e lidar com um número de casos

incomuns. Os valores presentes na base de dados foram utilizados de seguida para analisar a

precisão da previsão. Posteriormente, o conjunto de dados desconhecidos de validação

produziu uma estimativa muito precisa, com erro médio relativo (MRE) não superior a 1%

entre o valor real e o estimado e um coeficiente de correlação do conjunto de validação de

98%. O modelo descrito pode ser aplicado a qualquer área geográfica no mundo [55].

Do trabalho “An adaptive wavelet-network model for forecasting daily total solar-

radiation” resultou da combinação entre NN e teoria wavelet. As redes-wavelet são redes

feedforwards que usam wavelets como funções de activação. Estas têm sido utilizadas com


sucesso em diversas aplicações de engenharia, tais como classificação, identificação e

controle de problemas. A utilização de uma arquitectura de rede-wavelet para encontrar um

modelo adequado para a previsão da radiação solar total diária foi investigado no trabalho.

Tal como já foi identificado em modelos anteriores, a radiação solar total é considerada o

parâmetro mais importante na previsão do desempenho dos sistemas de energia renovável,

particularmente no dimensionamento de sistemas fotovoltaicos. Para este efeito, foram

registados valores de radiação solar total diários durante o período que se estende de 1981 a

2001, por uma estação meteorológica na Argélia. O modelo rede-wavelet foi treinado usando

os 19 anos de dados ou um ano dos dados. Em ambos os casos, os dados de radiação solar

total correspondentes ao ano de 2001 foram utilizados para testar o modelo. A rede foi

treinada para aceitar e lidar com um número incomum de casos. Os resultados indicam que o

modelo prevê valores de radiação solar total diária com uma boa precisão de

aproximadamente 97% e um erro médio absoluto percentual não superior a 6%. O desempenho

do modelo foi também comparado com diferentes estruturas de NN e modelos clássicos. O

algoritmo de treino das redes-wavelet requer menor número de iterações quando comparado

com outras NN. O modelo pode ser utilizado para preencher dados ausentes em bases de

dados meteorológicas. Além disso, o modelo proposto pode ser generalizado e utilizado em

diferentes locais e para outros dados climáticos, tais como a duração do dia solar e

temperatura ambiente. A validade do modelo é confirmada com o dimensionamento de um

sistema fotovoltaico de energia [56].

2.3.3.3. Modelos de Desagregação de Global em Directa e Difusa

Existem diversas metodologias de desagregação de radiação global nas suas componentes

directa e/ou difusa. De seguida, enumeram-se algumas das identificadas.

Marco Bindi, Francesco Miglietta e Gaetano zipoli, em 1992, modelizaram a separação da

componente global em difusa, diária e horária, por dois processos usados em crescimento de

culturas (NWHEAT e SUCROS 90). Estes são comparados com os processos Collares-Pereira e

Rabl de 1979 e Erbs et al. de 1982, ambos baseados em formulações matemáticas entre a

fracção difusa - razão entre a radiação difusa e a radiação global - e o índice de claridade -

razão entre a radiação global e a radiação extraterrestre. Esta comparação foi elaborada

para 4 localizações diferentes. Os dois métodos em estudo procedem à separação da radiação

global em radiação difusa por dois processos diferentes. No NWHEAT a razão entre a radiação

difusa e a global é calculada com base na transmissão atmosférica diária e no SUCROS 90 a

desagregação é calculada em três momentos do dia baseado no algoritmo de integração

Gaussiano dos 3-pontos de Goudriaan 1986 [57].

Em 2003, Jacyra Soares, Amauri P. Oliveira, Marija Zlata Boznar, Primoz Mlakar, João F.

Escobedo e Antonio J. Machado, recorreram a NN para prever radiação difusa horária, na

superfície de São Paulo. Foram realizados diversos testes de NN, usando todas as variáveis de

entrada disponíveis (no total de 26 variáveis). De seguida, utilizaram todas as variáveis menos

a radiação esférica de onda longa, com o intuito de perceber e comprovar a importância da

mesma e por fim, usaram as nove melhores variáveis identificadas (obtidas por duas técnicas,

factores de contribuição e proeminência métrica, ambas baseadas na análise dos pesos). Com

esse trabalho chegaram a algumas conclusões, tais como a importância do conhecimento da

inclusão como variável de entrada da radiação esférica de onda longa e da pouca utilidade

que outros parâmetros, tais como temperatura do ar e pressão atmosférica, apresentam para

32 Estado da Arte

32

a performance da rede, podendo, por isso, não ser incluídos na mesma para o objectivo da

previsão da radiação difusa [58].

Em 2007, Hamdy K. Elminir, Yosry A. Azzam e Farag I. Younes, utilizaram NN artificiais

para prever a fracção difusa para diversos pontos no Egipto, numa escala horária e diária. As

NN utilizadas assentam em diversas variáveis de entrada dependendo da escala temporal

pretendida. Para a rede neuronal horária, as variáveis de entrada são mês do ano, dia do

mês, hora do dia, valor horário da radiação global (energia) e valor horário da radiação

extraterrestre (energia). Para a rede neuronal diária as variáveis de entrada são o valor diário

de radiação global (energia), o valor diário de radiação extraterrestre e a fracção de pôr-do-

sol (razão entre duração do pôr-do-sol, em horas, e o número máximo possível de horas de

dia com luminosidade). Os resultados obtidos foram comparados com a metodologia de Erbs

et al. para escalas horárias, tendo apresentado melhores resultados. Para a escala diária fez

uma comparação com o modelo de Gopinathan e Soler e também neste caso a performance

obtida foi melhor [59].

Da análise anterior constata-se existirem diversas abordagens baseadas em métodos

similares, usando diferentes parâmetros, variáveis de entrada, etc., que com melhor ou pior

performance nos fornecem previsões de radiação.

O caminho que se decidiu tomar para a dissertação está directamente relacionado com os

dados disponíveis para a mesma. Tendo em conta as séries de dados históricos de radiação

global, difusa e directa obtidos, a localização e características de diversas centrais, e as

séries de previsão de radiação global obtidos, recorreu-se às formulações assentes em NN.

Estas, para além de apresentarem na maioria dos casos identificados as melhores

performances, vão permitir, no âmbito da dissertação, desagregar as séries de previsão de

radiação global nas suas componentes de previsão de radiação directa e difusa. Esta

desagregação é necessária para a modelização do sistema de seguimento, que permitirá numa

fase seguinte fazer previsão de produção para curto prazo. A metodologia utilizada na

dissertação é descrita de forma mais completa no capítulo 4.

Nos dois pontos seguintes são apresentados alguns dos métodos de simulação e de

previsão de produção que foram identificados nas pesquisas elaboradas ao longo da

dissertação e que permitiram comparar metodologias e identificar qual o modelo e as

variáveis mais adequadas a utilizar.

2.3.4 - Metodologias de Simulação/Previsão de Produção

Apresentam-se de seguida algumas metodologias identificadas para simulação/previsão

de produção.

No modelo “A Viable Grid-Connected PV-ECS System with Load Leveling Function

Using a Day-ahead Weather Forecast” [60], foi desenvolvido um pequeno sistema de

distribuição de potência, ligado à rede, baseado em painéis fotovoltaicos e baterias ECS.

O sistema pode produzir potência através do sistema fotovoltaico, armazenar energia

durante períodos de menores necessidades de carga e fornecer a energia armazenada nos

períodos de maiores exigências de carga. Absorve uma quantidade fixa de potência da rede

que abastece as necessidades de carga durante o dia e carrega o ECS durante a noite de

modo a realizar a função de nivelamento de carga.

Metodologias de Simulação/Previsão de Produção 33

O procedimento para estimar a potência produzida pelo painel fotovoltaico foi

desenvolvido pelo cálculo da radiação solar. De modo a identificar as características do

painel fotovoltaico, que dependem do estado do tempo, foram medidos os seus valores de

potência produzida perante diferentes estados do tempo e comparados com os valores de

potência estimados pelo modelo. Com o uso destas características dependentes do estado do

tempo e do modelo de previsão 1-day-ahead, pode estimar-se a produção dos painéis

fotovoltaicos para qualquer estado do tempo. Foi também desenvolvido neste modelo um

programa de simulação que determina o valor óptimo de potência que é absorvido pela rede.

Para prever a potência de saída do painel fotovoltaico é necessário saber a quantidade de

radiação solar incidente, a eficiência e a área do painel.

Tendo em conta a declinação do local de estudo e do ângulo de azimute calculou-se a

radiação solar incidente segundo um conjunto de metodologias definidas.

Finalmente, a potência produzida pelo painel fotovoltaico pôde ser calculada pela

multiplicação da radiação solar pela área, pela eficiência do painel fotovoltaico e pela

eficiência do MPPT, tal como indicado na equação 2.26.

(2.26)

Onde:

corresponde à potência produzida num instante t;

é o valor da radiação solar incidente num instante t;

é a área total do painel fotovoltaico;

é o valor da eficiência do painel fotovoltaico;

é o valor da eficiência do MPPT.

Tendo em conta o procedimento descrito, a produção de potência FV só poderia ser

estimada para dias de céu limpo. De modo a poder calcular-se para dias com nuvens e de

chuva, foi estudada a performance do painel fotovoltaico perante diferentes condições

climatéricas.

Foi gravado, durante vários dias, a previsão do estado do tempo através do modelo 1-day-

ahead, disponível na Internet, assim como se procedeu à medição da potência produzida pelo

painel fotovoltaico. De seguida, calculou-se o rácio (η) entre o valor medido de produção do

painel fotovoltaico para diferentes condições climatéricas (nuvens, chuva, neve, etc.) e a

produção do painel fotovoltaico estimada para dia limpo. Na Tabela 2.6 apresentam-se os

valores médios do rácio o que permite estimar a produção solar FV em qualquer condição

climatérica, pela multiplicação da produção estimada para dia claro pelo rácio respectivo

(usando o modelo de previsão 1-day-ahead).

Tabela 2.6 – Rácio (η) para diferentes estados do tempo.

Previsão de estado do tempo Sol Com nuvens Com chuva Com neve

Valor médio do η [%] 80 35 13 18

Na sequência do modelo descrito, foram realizadas algumas modificações que de seguida

se descrevem.

34 Estado da Arte

34

Assim, em “Novel Distributed Power Generating System of PV-ECaSS Using Solar

Energy Estimation” [61], em vez de baterias convencionais, utiliza-se um novo dispositivo de

armazenamento, denominado sistema condensador de energia (ECaSS), devido às suas várias

vantagens. É descrito um procedimento para estimar a potência produzida por sistema

fotovoltaico a partir do cálculo da radiação solar. Para o cálculo da radiação diária, foram

utilizadas as equações de Hottel e Liu-Jordan com algumas modificações. De modo a aplicar o

mesmo procedimento em dias com nebulosidade ou chuvosos foi estudada a produção do

gerador fotovoltaico, em diferentes condições climáticas, utilizando-se o método 1-day-

ahead para a previsão meteorológica.

Após a obtenção dos valores da radiação solar incidente no painel fotovoltaico, a

potência produzida pelo painel pôde ser, facilmente, calculada pela equação 2.27.

(2.27)

Onde:

H corresponde à radiação solar (W/m2);

é o ângulo de incidência considerando que (inclinação do painel usado no

modelo);

é a eficiência do MPPT;

é a área do painel fotovoltaico;

é a eficiência do painel fotovoltaico (para um temperatura de 25º com um

variação de -0.052 %ºC).

Considerando-se os valores dos parâmetros, foi possível estimar a produção do sistema

fotovoltaico num dia de sol. Foi medida a produção efectiva nesse mesmo dia de modo a ser

possível comparar os resultados.

Uma vez que o valor de é calculado tendo em consideração a temperatura média do

dia, o cálculo de resulta em valores compensados para a temperatura.

Embora a produção estimada do sistema fotovoltaico seja boa, os valores medidos de

produção apresentam muitas oscilações devido à acção do MPPT. No entanto, essas variações

não prejudicam a operação do sistema. Como o ECaSS pode ser carregado e descarregado

rapidamente, absorve essas variações e fornece uma saída estável ao PCS.

De modo a poder utilizar o método descrito para estimar a produção de potência do

sistema fotovoltaico em dias com nuvens ou chuva, foi estudado o desempenho do módulo

fotovoltaico em diferentes condições climáticas. Recorrendo ao modelo de previsão do estado

do tempo, 1-day-ahead, a partir do site da WeatherNews1, foi possível obter e gravar

previsões do estado do tempo em intervalos de três horas. A produção do sistema fotovoltaico

foi também medida durante uma série longa de dias. Foi calculado o rácio (η) entre a medida

de produção do sistema fotovoltaico em diferentes condições climatéricas (com nuvens,

chuva, neve, etc.) e as medidas estimadas para céu limpo.

Apresenta-se na Tabela 2.7, os valores médios do rácio para diferentes condições

climatéricas. Por fim, foi possível estimar a produção do sistema fotovoltaico, em qualquer

1 http://weathernews.jp/cww/docs/sentaku/17521.html

http://weathernews.jp/cww/docs/sentaku/17521.html


condição meteorológica, pela multiplicação da previsão para dia claro obtida pelo valor

correspondente do η de acordo com as previsões meteorológicas.

Tabela 2.7 – Rácio para diferentes condições climatéricas.

Mês Valor médio do rácio (η) [%]

Sol Com nuvens Com chuva Com neve

Out-Dez 79 35 13 18

Jan-Mar 76 21 11

Abr-Jun 73 28 18

No modelo “Application of Neural Network to 24-hour-Ahead Generating Power

Forecasting for PV System” [62], a previsão de produção de potência de sistemas

fotovoltaicos, utilizando aplicações de NN para as 24 horas seguintes. Este modelo surge no

contexto das preocupações ambientais, dos últimos anos, procurando dar uma resposta ao

problema da implementação de fontes de energia alternativas, tais como a energia solar,

contornando as dificuldades resultantes de a radiação não ser constante e a produção de

energia a partir de sistemas fotovoltaicos ser influenciada pelas condições meteorológicas.

De modo a prever, de forma tão precisa quanto possível, a potência de saída de um

sistema fotovoltaico, foi necessário desenvolver um método de previsão de radiação. Neste

artigo, os autores deste modelo tiveram em conta a radiação de cada mês e confirmaram a

validade do uso de NN para prever radiação através de simulações por computador.

O método proposto utilizou dados meteorológicos e não requereu cálculos complicados

nem modelos matemáticos.

Após a aplicação dos modelos de NN para a previsão da radiação e da análise comparativa

com valores medidos, foi possível encontrar um método de cálculo da produção de energia do

sistema solar. O valor da potência produzida no sistema fotovoltaico, por unidade de área, é

dado pela equação 2.28.

(2.28)

Onde:

η é a eficiência da conversão da célula solar (%);

S é a área da instalação (m2);

I corresponde à radiação solar (kW/m2);

é a temperatura ambiente (◦C).

Utilizando os dados climatéricos e aplicando a equação 2.26, aos dados do sistema

fotovoltaico, será possível simular a potência produzida pelo modelo. Assume-se que o total

da radiação incidirá sobre a célula e instalação solar, não tendo em consideração o ângulo de

incidência solar e o ângulo de inclinação da instalação solar. Como a eficiência do painel e a

área da instalação solar são constantes, a potência é função da temperatura do ar e da

insolação I.

36 Estado da Arte

36

O modelo “A Fuzzy-Optimization Approach for Generation Scheduling With Wind and

Solar Energy Systems” [63], apresenta uma abordagem de optimização-fuzzy para resolver o

problema da calendarização da produção tendo em conta sistemas eólicos e solares.

A energia eólica e solar estão a ser consideradas, no sistema de energia, para agendar a

produção de unidades de potência com o objectivo de minimizar o custo total das unidades

térmicas de combustível. Num problema de programação/calendarização de produção com

métodos convencionais, a carga horária, água disponível, velocidade do vento, radiação solar

devem ser previstos para evitar erros. No entanto, actualmente, há erros de previsão nestes

valores. Uma característica deste modelo de optimização-fuzzy é o facto de que os erros de

previsão de carga horária, água disponível, velocidade do vento e radiação solar podem ser

tidos em conta usando lógica fuzzy. As metodologias fuzzy na carga horária, água disponível,

velocidade do vento, radiação solar, reserva girante e custo total de combustível são

desenvolvidas para obter a programação de produção óptima quando sujeito a ambiente

incerto.

Para demonstrar a eficácia do método proposto, foi realizado um problema de

calendarização de produção para um sistema simplificado de produção. Os resultados

mostraram que se alcançou uma boa calendarização de produção para cada unidade.

O modelo está sujeito à igualdade entre produção de energia por parte dos diferentes

sistemas de produção e à previsão de carga, em cada instante de tempo t. Esta igualdade

assenta na equação 2.29.

(2.29)

Onde:

(.) é a função de conversão de água em energia, da central associada ao

reservatório j;

corresponde ao volume de água libertada do reservatório j para produção

durante a hora t;

J são o número de reservatórios;

é a potência gerada pelo sistema eólico na hora t;

corresponde à potência produzida pelo sistema solar na hora t;

é a previsão de carga para a hora t.

No entanto, tendo em conta a temática da dissertação, será apenas analisada a fracção

do modelo de optimização-fuzzy referente à programação de produção de energia solar.

Após se obter os valores de previsão de radiação para cada hora t, através de um

algoritmo de previsão definido no modelo, para o período de estudo, o modelo define as

equações 2.30, 2.31 e 2.32 como limites de produção a partir de energia solar.

(2.30)

(2.31)

(2.32)


Onde:

é a potência de carga/descarga da bateria à hora t;

corresponde à conversão de radiação solar em energia do gerador

fotovoltaico, que é dado pela função 2.33.

(2.33)

Onde:

corresponde à previsão de radiação solar para a hora t;

é o valor da radiação solar num ambiente standard, que foi definido como 1000

W/m2;

ponto de radiação pré-definido, que foi fixado nos 150 W/m2;

que é o equivalente nominal de potência do gerador fotovoltaico.

Por fim, corre-se o modelo de optimização-fuzzy para resolver o problema da

calendarização de produção para o sistema proposto para validação. Os resultados finais

obtidos no modelo de optimização-fuzzy foram bastante satisfatórios.

A metodologia desenvolvida em “Solar electricity forecast – Approaches and first

results” [64], para a Alemanha, consiste numa previsão de produção de electricidade com

base nas previsões do Centro Europeu de previsão do tempo (European Center for Midrange

Weather Forecast - ECMWF), refinada localmente pelos modelos estatísticos de saída (Model

Output Statistics – MOS) associado às estações meteorológicas locais.

O esquema do modelo é ilustrado na Figura 2.8.

Previsões ECMWF

MOS associado às Estações Meteorológicas

Interpolação

Simulação dos Sistemas Fotovoltaicos

Energia Distribuída por Sistema

Figura 2.8 – Representação esquemática do modelo de previsão.

38 Estado da Arte

38

A abordagem usada para previsão da radiação solar foi a ECMWF MOS. Uma definição

simplificada dos MOS é dada pela seguinte formulação.

.

Com a ajuda dos MOS, obtêm-se previsões locais refinadas de temperatura e radiação. No

entanto, precisa de ser transferido para a localização dos sistemas no PC, o que é feito

recorrendo a meios de interpolação. Para esta primeira versão o método de interpolação

usado é o Inverse Distance Weighted (IDW), o qual apresenta como vantagens relativamente a

outros modelos a sua estabilidade e facilidade de ser automatizado.

Para obter uma previsão mais fiável, a distribuição da orientação e inclinação das

centrais tiveram de ser consideradas, bem como a sua distribuição espacial sobre a

Alemanha. Foi utilizada a base de dados da SaferSun, que é líder de mercado e que abrange

mais território, para a obtenção de informações dos diferentes sistemas em toda a Alemanha,

tendo em consideração diferentes orientações, distribuição das centrais e diferentes

componentes.

Assim, as centrais que fazem parte da base de dados do SaferSun são uma amostra

adequada, tanto para a distribuição, orientação e configuração de sistemas fotovoltaicos

como para a validação dos resultados do modelo de previsão de electricidade solar. As

centrais com sistemas mecânicos de seguimento não foram consideradas neste projecto.

Numa primeira fase, é necessário converter a radiação horizontal na radiação incidente

sobre o plano inclinado. Posteriormente, é necessário proceder à simulação do módulo do

sistema eléctrico fotovoltaico, do cableamento e do inversor.

Genericamente os modelos usados para proceder à conversão da radiação são:

Cálculo da posição do sol de acordo com o algoritmo DIN;

Divisão da radiação global em radiação difusa e directa através do modelo descrito

em “Diffuse Fraction Correlations” de Reindl, D.T., Beckman, W.A. e Duffie, J.A;

Transformação da radiação horizontal para a orientação do módulo na radiação difusa

utilizando o modelo de Klucher.

O modelo eléctrico é composto basicamente por dois componentes, o inversor e os

módulos fotovoltaicos.

Para calcular a eficiência MPPT do painel foi usado o modelo de Beyer, que permitirá

calcular a produção eléctrica da instalação. A equação 2.34 traduz o processo:

, (2.34)

Onde:

a são parâmetros empíricos;

é o coeficiente de temperatura do módulo à potência MPPT.

O uso do modelo de simulação HGB deve-se à elevada precisão e devido ao cálculo

directo da eficiência MPPT, as equações do modelo são resolvidas analiticamente o que leva a

uma alta performance dos cálculos e redução do tempo computacional.


O inversor é simulado usando o método de Schmidt e Sauer.

A validação dos resultados de simulação de electricidade foi feita para os meses de Julho

e Agosto, pelo cálculo do RMSE entre os valores de previsão e os valores medidos para cada

sistema. Numa análise hora a hora, leva a um RMSE de 34,7% e numa análise diária leva a um

RMSE de 24,5%.

A metodologia desenvolvida no artigo “Forecast of ensemble power production by grid-

connected PV systems” [65] apresentou e avaliou uma abordagem para a previsão de

produção de energia regional PV.

A qualidade da previsão foi investigada para sistemas individuais e para grupos de

sistemas fotovoltaicos. Os resultados da previsão foram melhores para os grupos de sistemas

fotovoltaicos devido efeito médio espacial das previsões. O RMSE da previsão foi de

0,05 Wh/Wp para um grupo do tamanho da Alemanha, em comparação com um RMSE de

0,13 Wh/Wp para sistemas fotovoltaico único.

O modelo de previsão proposto é baseado em previsões de irradiação para três dias,

fornecidos pelo ECMWF, e adicionalmente foram fornecidos intervalos de confiança para os

valores de previsão.

Para a avaliação da previsão do modelo foi usada uma base de dados de 4.500 sistemas

fotovoltaicos a operar na Alemanha.

O processo utilizado no modelo é ilustrado na Figura 2.9.

Figura 2.9 – Modelização do modelo de previsão de produção.

Inicialmente, são obtidas as previsões horárias da radiação global, do ECWMF, para os

locais pretendidos. As previsões são para uma resolução temporal de três horas e para uma

resolução espacial de 25 x 25 km. Tendo em conta que, para a gestão de redes eléctricas, as

previsões de produção solar são necessárias numa escala horária, foram analisadas diferentes

técnicas espaciais e temporais de interpolação para refinar os modelos ECMWF. As duas

técnicas testadas, no trabalho, foram:

MOS – baseado no esquema de previsão de radiação solar usando o modelo ECMWF,

descrita em [66];

UM ajuste óptimo da resolução temporal através da combinação com um modelo de

céu limpo, para considerar a variação diurna, típica, da irradiância, [64].

40 Estado da Arte

40

De seguida as previsões de irradiância global horizontal são convertidas, para o plano do

painel, segundo formulação matemática anisotrópica, proposta em [67].

A fase final consiste em aplicar um modelo fotovoltaico de simulação, [68], para obter a

previsão de produção do sistema.

A performance do modelo pode ser verificada na Figura 2.10, onde, os resultados da

previsão de produção de produção (forecast) são comparados com os valores de produção

medidos (measured), para sete dias de Abril de 2006.

Figura 2.10 – Resultados do modelo para sete dias de Abril.

É possível constatar uma boa aproximação entre os valores previstos e os valores

medidos, sobretudo para dias de céu limpo. Para dias de nuvens, o modelo não se encontra

correctamente modelizado.

Os resultados de previsão do modelo proposto, para grupos de centrais, apresentaram

melhores performances do que para centrais isoladamente. A qualidade de previsão,

resultante do modelo, melhora com o tamanho do grupo e consequentemente da região que

abrange. Assim, para regiões do tamanho da Alemanha, os erros das previsões são reduzidas

por um factor entre 0,4-0,5, que corresponde a um RMSE de 0,05 Wh/Wp.

Capítulo 3

Situação Fotovoltaica Nacional

Neste capítulo procedeu-se a caracterização da distribuição das instalações fotovoltaicas

em Portugal continental, identificando algumas das características chave dessas centrais,

permitindo assim fazer uma análise do panorama fotovoltaico nacional desde 2006 até à data.

A radiação solar é o elemento chave para a produção de energia eléctrica assente em

tecnologias fotovoltaicas. As diferentes tecnologias fotovoltaicas convertem a energia natural

proveniente do sol em energia eléctrica. Será assim de esperar que as localizações

preferenciais para as centrais vão corresponder aos locais com maiores índices de radiação

solar incidente.

Portugal, à excepção do Chipre, tem a melhor insolação anual de toda a Europa, com

valores 70% superiores aos verificados na Alemanha. Esta diferença leva a que o custo da

electricidade produzida em condições idênticas seja 40% menor em Portugal. Este aspecto

constitui uma enorme vantagem que tem de ser capitalizada [69]. A insolação em Portugal

Continental é um elemento climático muito importante que varia entre as 1800-3100 horas de

Sol por ano. O país, devido às condições climáticas, também possui excelentes condições para

a conversão FV, com índices de produção entre os 1000 e os 1500 kWh por ano por kWp

instalado [70].

Na Figura 3.1 e Figura 3.2, são apresentados o somatório da radiação global e do

potencial fotovoltaico, anual, de Portugal continental (para uma instalação tipo de 1 kWp

com eficiência de 75%) para plano horizontal e para a inclinação óptima, respectivamente.

42 Situação Fotovoltaica Nacional

42

Figura 3.1 – Radiação global e potencial fotovoltaico anual - disposição horizontal (adaptado de [71]).

Figura 3.2 – Radiação global e potencial fotovoltaico anual - inclinação óptima (adaptado de [71]).

Analisando a Figura 3.1 e a Figura 3.2, é perceptível a diferença do somatório de radiação

global e consequentemente do potencial fotovoltaico quando se opta por uma inclinação

Caracterização 43

óptima em comparação com a horizontal. Dessa forma depreende-se que, uma escolha

adequada para a inclinação da instalação pode fazer a diferença entre projectos viáveis e não

viáveis.

Quer no plano horizontal quer para uma inclinação óptima, as zonas de maior incidência

solar anual são a região centro e sul. Assim, os elevados níveis de radiação solar incidente,

associado a outros factores, ambientais, energéticos, arquitecturais, socioeconómicos e

populacionais fazem com que seja importante explorar a solução FV da melhor maneira

possível.

Todas as análises e conclusões retiradas neste capítulo, são feitas, tendo por base:

os dados disponibilizados pelos responsáveis das grandes centrais fotovoltaicas

contactadas;

os dados e portfolios fornecidos pelas empresas de instalação de microgeração solar

fotovoltaico em Portugal;

os dados obtidos por consulta de documentos, jornais, revistas e websites

relacionados com energia solar FV.

3.1- Caracterização

Um dos objectivos propostos na dissertação assenta na caracterização da situação FV em

Portugal continental. Como ponto de partida foi feito um levantamento no site da DGEG de

todas as instalações licenciadas a nível nacional. De seguida, através de contactos telefónicos

e troca de emails com as empresas, nomeadamente com os engenheiros responsáveis, e

deslocação a alguns dos locais das instalações foi possível tirar ilações relativamente às

instalações licenciadas, nomeadamente perceber quais as que ainda só se encontram

licenciadas, quais as que já se encontram em construção e quais as que se encontram já em

funcionamento. A diferenciação e caracterização das centrais foram feitas tendo em conta a

evolução e situação actual da central, tipo de material utilizado nos painéis fotovoltaicos,

sistemas mecânicos de seguimento e potência instalada por distrito.

Foi também necessário definir escalas de potência instalada de forma a demonstrar as

diversas gamas de potência instalada a nível nacional. Na Tabela 3.1 são ilustrados os 6 níveis

de potência instalados considerados.

Tabela 3.1 – Níveis de Potência instalado considerados.

Nível Intervalo [kWp]

I Microgeração

II <100 (Excluindo Microgeração)

III 100 – 1000

IV 1000 – 5000

V 5000 – 10000

VI ≥10000

Para as centrais, identificas com a pesquisa feita, com potência instalada inferior a 40

kWp, excluindo as de microgeração, tendo em conta o vasto número existente e a dificuldade


44

e ou impossibilidade que existiria em se contactar todos os responsáveis, decidiu-se aglutinar

o valor da potência instalada de todas elas por distrito. Apresenta-se como exemplo o caso do

distrito do Porto. Assim, somou-se a potência instalada de todas as centrais e instalações

fotovoltaicas com menos de 40 kWp, de potência instalada, existentes no distrito do Porto, e

definiu-se um único ponto com o valor do somatório da potência instalada correspondente.

Na Figura 3.3 é apresentado o mapa de Portugal Continental onde estão assinaladas todas

as centrais com potência instalada superior a 40 kWp (excluindo as instalações de

microgeração).

Figura 3.3 – Instalações fotovoltaicas com potência instalada superior a 40 kWp.

Como é possível constatar, a grande maioria das centrais fotovoltaicas estão instaladas na

região centro e sul do país, sendo esta escolha devido ao que foi referido no início do

presente capítulo. As zonas com maiores índices de radiação solar atraem o investimento e a

Caracterização 45

exploração deste tipo de centrais. As zonas consideradas apresentam também espaços

amplos, com desníveis de terrenos reduzidos o que facilita a implementação das centrais.

Assim, na Figura 3.4 encontram-se assinaladas as instalações com potência instalada

inferior a 40 kWp (excluindo as de microgeração), nas capitais de distrito, cujos dados foram

obtidos pelos contactos estabelecidos.

Figura 3.4 – Instalações fotovoltaicas com potência instalada inferior a 40 kWp.

Tendo em conta os dados obtidos para ilustrar a Figura 3.4, verifica-se que os distritos

que apresentam maior número de instalações com potência instalada inferior a 40 kWp são:

Distrito de Lisboa, com 405 kWp;

Distrito de Leiria, com 334 kWp;

Distrito do Porto, com 251 kWp.


46

Analisando os resultados obtidos é possível verificar que os distritos com maior número de

instalações fotovoltaicas (de potência instalada inferior a 40 kWp) não correspondem às

regiões de maior radiação solar incidente identificadas na Figura 3.1 e Figura 3.2. Este facto

poderá estar directamente relacionada com a distribuição da população em Portugal

Continental. Assim, na distribuição geográfica das instalações com potência instalada menor

que 40 kWp em Portugal continental, a densidade populacional apresenta maior peso do que

os níveis de radiação solar incidente.

3.1.1 - Potência instalada

Ainda que todos os registos de instalações fotovoltaicas presentes na lista da DGEG se

encontrarem licenciadas, verificou-se que nem todas se encontram em funcionamento

actualmente. Algumas das centrais encontram-se em construção, outras com o projecto

concluído e algumas apenas licenciadas.

Nas Figura 3.5 apresenta-se a evolução acumulada da potência instalada, a nível

nacional, tendo em conta os níveis definidos anteriormente e na Figura 3.6 o valor total de

potência instalada, de 2006 até à actualidade.

É possível verificar pela análise da Figura 3.5 e da Figura 3.6, um crescimento da

potência instalada a nível nacional a partir do ano de 2006 até à actualidade. Em 2007 grande

parte da potência FV instalada devia-se à central FV de Serpa cuja potência instalada é de

11.000 kWp. Entre 2007 e 2008 o crescimento da potência instalada, deveu-se à entrada em

funcionamento de grandes centrais fotovoltaicas tais como Moura (46.410 kWp),

Netplan (1.800 kWp), Olva (2.150 kWp), Monte Chaminé (1890 kWp) e das instalações de

microgeração (10.243 kWp). Entre 2008 e 2009 o crescimento esteve relacionado com a

entrada em funcionamento da central FV Ventos da Serra (10.000 kWp), do MARL (6.060

kWp), da central da empresa GENERG (12.700 kWp) e das instalações de microgeração (5.799

kWp).

O valor associado a cada ano corresponde à potência instalada entre dia 1 de Janeiro até

dia 31 de Dezembro.

Relativamente aos valores de microgeração, foram utilizados os dados recolhidos em [72],

onde se refere que, em 2008 foram instalados, com uma tarifa de 65 cêntimos por kWh, cerca

de 2920 instalações residenciais de microgeração fotovoltaica, equivalente a uma potência

instalada de, aproximadamente, 10.243,85 kWp e em 2009, com uma tarifa de 61,75

cêntimos por kWh, foram instaladas 1629 instalações residenciais de microgeração

fotovoltaica, o que equivale, aproximadamente, a uma potência instalada de 5.798,8 kWp.

Tendo em conta a discrepância existente entre os valores dos seis escalões, discrepância

esta que dificultaria a visualização e percepção dos valores, optou-se por escolher uma escala

logarítimica para o eixo da potência instalada. No entanto, apresenta-se o valor de potência

no topo de cada coluna, em kWp.

Caracterização 47

Figura 3.5 – Evolução, acumulada, da potência instalada, a partir do ano de 2006.

Figura 3.6 – Evolução da potência instalada total, a partir do ano de 2006.

3.1.2 - Tipos de painéis fotovoltaicos

Uma análise que se decidiu realizar foi perceber que tipos de materiais predominam nas

instalações fotovoltaicas a nível nacional. Tendo em conta as diferentes alternativas

existentes no mercado, para os materiais utilizados na construção dos painéis fotovoltaicos,

verificou-se que a escolha do material utilizado nas centrais varia consoante a central. Este

facto poderá estar relacionado com os objectivos a que a mesma se proponha, disponibilidade

financeira/orçamento do projecto, localização e níveis de eficiência pretendidos.

Na Figura 3.7, está ilustrada a evolução acumulada da potência instalada associada a

cada tecnologia desde o ano de 2006 até à actualidade.

Pode constatar-se uma supremacia das tecnologias baseadas em Silício, amorfo (Si-a),

monocristalino (Si-m) e policristalino (Si-p) - desde o ano de 2006. No ano de 2007 verificou-

se um crescimento acentuado no Silício monocristalino devido essencialmente à entrada em

funcionamento da central FV de Serpa. Relativamente a 2008, o maior crescimento verificado

foi na tecnologia de Silício policristalino, crescimento este que está directamente relacionado

1

10

100

1000

10000

100000

2006 2007 2008 2009

0

10.24416.043

40103

835

208

852

2.682

0

2.150

7.99012.690

0

6.060

0

11.016

57.426 80.126

Po

tên

cia

inst

alad

a

Ano

Microgeração

< 100

>= 100 e < 1000

>= 1000 e < 5000

>= 5000 e < 10000

>= 10000

0

20000

40000

60000

80000

100000

120000

2006 2007 2008 2009

24814.121

76.615

118.435

Po

tên

cia

Inst

alad

a

Ano


48

com a entrada em funcionamento da central FV de Moura. No entanto, a tecnologia

monocristalina também cresceu neste ano devido a centrais como a NETPLAN e Monte

Chaminé. No ano de 2009, houve um crescimento equilibrado entre a tecnologia

monocristalina e policristalina, mas o principal facto a realçar é o surgimento dos primeiros

módulos bifaciais em Portugal, após a entrada em funcionamento da central FV Horta Solar e

Ferro, situada na Covilhã, distrito de Castelo Branco.

A escala para o eixo da potência é logarítimica pelo mesmo motivo explicado

anteriormente. O valor de potência instalada, em kWp, apresenta-se no topo de cada coluna.

Figura 3.7 – Evolução, acumulada, anual das tecnologias fotovoltaicas utilizadas nas centrais em Portugal.

3.1.3 - Sistemas de Mecânicos de Seguimento

Outro ponto que se decidiu analisar foi o tipo de sistemas mecânicos de seguimentos que

foram utilizados nas centrais solares fotovoltaicas nacionais. Após o contacto com as

diferentes centrais foram identificadas três situações: instalações sem sistema de seguimento

(Fixas); instalações com sistema de seguimento de 1 eixo (horizontal e vertical); instalações

com sistemas de seguimento de 2 eixos. Após vários contactos estabelecidos com diversos

engenheiros responsáveis pelas centrais existentes em Portugal e enumeradas na dissertação,

a escolha de sistema de seguimento prende-se essencialmente com questões financeiras. O

aumento verificado na captação de radiação solar pelos painéis deve compensar

significativamente o custo associado ao investimento, manutenção e operação do ou dos

sistema de seguimento.

Na Figura 3.8 apresenta-se evolução acumulada da potência instalada associada aos

diferentes tipos de seguimento presentes nas centrais em Portugal.

Pode concluir-se que os sistemas fixos (dispostos na horizontal ou com inclinação fixa) e

os sistemas de 1 eixo dominam o panorama fotovoltaico nacional. A central de Vila do Bispo,

distrito de Faro, apresenta os três tipos de sistemas, fixo, um eixo e dois eixos. Como não foi

possível obter a informação da potência por sistema de seguimento, decidiu-se, no âmbito da

dissertação, representar esta central como tendo apenas sistema de dois eixos.

A escala para o eixo da potência é logarítimica pelo mesmo motivo explicado

anteriormente. O valor de potência instalada encontra-se no topo de cada coluna, em kWp.

1

10

100

1000

10000

100000

2006 2007 2008 2009

140

13.369 17.05932.319

0

58.804 85.264

108

752

0

100

Po

tên

cia

Inst

alad

a

Ano

Si-m

Si-p

Si-a

Bifaciais

Caracterização 49

Figura 3.8 – Evolução, acumulada, anual dos sistemas mecânicos de seguimento utilizados nas centrais em Portugal.

3.1.4 - Potência Fotovoltaica Instalada por Distrito

Na Figura 3.9 é ilustrado o somatório da potência instalada das centrais fotovoltaicas, por

distrito, até ao fim do ano de 2009. Representa-se mais uma coluna, no final, correspondente

aos valores de potência instalada de microgeração obtidos em [72].

A escala para o eixo da potência é logarítimica pelo mesmo motivo explicada

anteriormente. O valor de potência instalada encontra-se no topo de cada coluna, em kWp.

Figura 3.9 – Potência instalada, ano 2009, por distrito.

Analisando os resultados obtidos, é facilmente perceptível, e destacou-se com cor

laranja, o maior peso na potência FV instalada nacional de quatro distritos:

Beja - devido às grandes centrais, como por exemplo Moura (46.410 kWp), Central da

empresa GENERG (12.700 kWp), Serpa (11.000 kWp) e Ventos da Serra (10.000 kWp);

Lisboa - devido à potência instalada no MARL (6.060 kWp) e grande quantidade de

instalações com potência instalada inferior a 40 kWp (405 kWp);

1

10

100

1000

10000

100000

2006 2007 2008 2009

208

3.002

19.08660.806

0

11.079

57.489 57.589

40

Po

tên

cia

INst

alad

a

Ano

Fixo

1 Eixo

2 Eixos

1

10

100

1000

10000

100000

39

90.996

179 207122

65

1.305

101

17

334

6.465

24

251455

1.679

8444

26

16.043

Po

tên

cia

Inst

alad

a

Distrito


50

Setúbal – principalmente associado à central instalada na Quinta do Anjo (1.610 kWp);

Évora – relacionado com a central FV de Évora da empresa Cycloid (1.200 kWp) e com

a central Monte S. Romão (100 kWp).

Relativamente às restantes, o valor de potência instalada por distrito está associado,

essencialmente, às centrais com potência instalada inferior a 40 kWp. De realçar o valor do

total das instalações de microgeração residenciais cuja localização não foi obtida, com um

valor de potência instalada de 16.043 kWp. Um último destaque para o distrito de Leiria que

apesar de não apresentar nenhuma central FV com potência instalada superior a 40 kWp, tem

sido alvo de um forte investimento em pequenas instalações apresentando um somatório de

potência instalada de 334 kWp.

3.2- Perspectivas futuras

Como referido, após os contactos estabelecidos com as entidades responsáveis pelo

licenciamento, constatou-se que existem diversas centrais que ainda não iniciaram a

construção ou então encontram-se ainda em fase de construção. Na Figura 3.10 estão

assinaladas diversas instalações com potência FV superior a 40 kWp licenciadas ou em

construção.

Perspectivas Futuras 51

Figura 3.10 – Instalações fotovoltaicas por construir, já licenciadas.

Mais uma vez, a maior densidade de instalações licenciadas ou em construção, situam-se

na zona centro e sul.

Na região norte estão previstas seis instalações de 100 kWp pertencentes às Águas

Municipais do Porto, as quais ainda não iniciaram o seu processo de construção.

A instalação do Santuário de Fátima de 103,6 kWp já se encontra construída, mas por

motivos que não nos foi dado a conhecer ainda não se encontra a funcionar.

A central de Castanhos encontra-se já em construção.

As restantes, segundo informações recolhidas ainda se encontram em fase de projecto,

apesar de todas elas já se encontrarem licenciadas.

Como conclusão apresenta-se na Tabela 3.2 e na Figura 3.11 a comparação entre o valor

de potência instalada total das centrais em construção ou apenas licenciadas e o valor total

de potência instalada de centrais já activas, a nível nacional.


52

Tabela 3.2 – Potência instalada total das centrais apenas licenciadas ou em construção e potência instalada total das centrais activas.

Situação Actual

Em construção ou Licenciadas (kWp) Activas (kWp)

17.394 118.435

Figura 3.11 – Potência instalada total das centrais apenas licenciadas ou em construção - coluna e potência instalada total das centrais activas.

0

25000

50000

75000

100000

125000

Po

tên

cia

inst

alad

a [k

Wp

]

2009

Centrais licenciadas ou em construçãoCentrais activas

Capítulo 4

Metodologia do Processo de Previsão de Produção

Neste capítulo pretende-se descrever de forma clara e objectiva todos os passos

utilizados na criação do modelo de previsão de produção. O objectivo é que, no final do

mesmo sejam perceptíveis as opções tomadas e que seja possível aplicar o modelo de

previsão de produção a curto prazo em qualquer instalação ou qualquer central, ajustando

apenas os parâmetros essenciais e específicos do modelo.

De forma a facilitar a percepção da metodologia empregue, apresenta-se na Figura 4.2, o

diagrama representativo e explicativo da metodologia utilizada na dissertação. Espera-se que

permita uma melhor e mais fácil compreensão das opções tomadas em cada instante. A

metodologia foi estruturada em cinco fases:

Fase 1 - No final desta, teremos o valor da irradiância extraterrestre ( , em W/m2)

para o local da instalação;

Fase 2 – Na fase final desta etapa, teremos as previsões de irradiância global para o

plano horizontal desagregadas em irradiância directa ( , em W/m2) e irradiância

difusa ( , em W/m2) para o plano horizontal, usando NN;

Fase 3 – Mediante as característica da central, teremos no final desta fase a

irradiância total incidente sobre o painel, resultante da soma da componente directa

da irradiância calculada para o plano do painel e da irradiância difusa proveniente da

fase 2;

Fase 4 – Nesta fase será prevista a produção da central a curto prazo ( , em W),

tendo em consideração o ajuste necessário para a previsão de temperatura.

Fase 5 – Na fase final da metodologia será feito o ajuste da previsão de produção a

curto prazo, através de uma NN.

54 Metodologia do Processo de Previsão de Produção

54

Figura 4.1 – Diagrama geral explicativo da metodologia desenvolvida na dissertação.

4.1- Fase 1

Apresenta-se na Figura 4.2 o diagrama explicativo da fase 1.

Fase 5

Fase 1

Fase 2

Fase 3

Fase 4

Fase 1 55

Figura 4.2 – Diagrama explicativo do modelo empregue na dissertação – fase 1.

Tendo em conta o local da instalação pretendido, é necessário obter séries de previsões

de dados de irradiância global horizontal - .

A fase final desta etapa consiste em calcular o valor da (W/m2), para os mesmos

pontos temporais das séries de (W/m2) e temperatura (ºC). Baseado na formulação de

Antonio Luque e Steven Hegedus em [21], utiliza-se a equação 4.1.

, (4.1)

Onde:

representa nesta equação a constante solar cujo valor é igual a 1367 W/m2 [7],

valor este que foi definido pelo Centro Mundial de Radiação e apresenta uma

incerteza na ordem de 1 % [41].

é calculado segundo a equação 4.2. Este factor está relacionado com a órbita

elíptica descrita pela terra em torno do sol.

, (4.2)

é o ângulo, em radianos (rad), que é formado entre a vertical ao plano horizontal

(Zenit) e a linha definida entre o sol e o ponto onde se está a calcular (linha de

incidência directa dos raios solares). Tendo por base a formulação de Antonio Luque


56

e Steven Hegedus em [21] e Volker Quaschning em [32], conclui-se que este ângulo

está directamente relacionado com a elevação solar - – podendo ser calculada

através da equação 4.3. Quer o ângulo da elevação solar, quer o azimute solar são

sempre calculados em radianos. Para facilitar a percepção apresenta-se a Figura

4.3.

Figura 4.3 – Representação do ângulo Zenital e da elevação solar.

, (4.3)

Onde:

é a latitude do local, (rad).

está directamente relacionado com o dia do ano e é calculado, em radianos,

segundo a equação 4.4.

, (4.4)

corresponde à hora solar, que é calculada através da equação 4.5, unidade (rad).

, (4.5)

corresponde à hora solar.

Relativamente à variável , aplicada na equação 4.5, é necessário ter em atenção

à sua aplicação.

As séries de previsão de irradiância global são geralmente recebidas para o horário

Greenwich Mean Time (GMT – cujo valor da longitude é 0º) - . Desta forma, para se

obter a para os locais para os quais se pretende fazer previsão de produção é

necessário proceder a um ajuste, baseado em [73]. Este ajuste faz a correcção de dois

factores, diferenças na longitude do local e o facto da velocidade da Terra em torno do Sol

não ser constante (a órbita não é circular). A formulação que descreve o ajuste encontra-se

na equação 4.6.

Fase 2 57

, (4.6)

Onde:

é o ajuste relacionado com a velocidade de translação da Terra em torno do Sol

e é calculado segundo a equação 4.17, em horas.

, (4.7)

Onde:

é uma constante, dependente do dia do ano - - e determinada através da

equação 4.8, em graus (º).

, (4.8)

4.2- Fase 2

A segunda etapa consiste no tratamento dos dados de irradiância global obtidos para os

locais das instalações. Tendo em conta que a maioria das séries de previsões de irradiância

obtidas são para plano horizontal, estes valores não retractam de forma correcta a

irradiância que incide sobre os painéis para instalações sem sistema de seguimento com

inclinação diferente de 0º, instalações com sistema de seguimento com eixo horizontal,

instalações com sistema de seguimento com eixo vertical e instalações com sistema de

seguimento de duplo eixo. Pretende-se no final desta etapa ter identificado e validado um

método que permita desagregar a nas suas componentes e . Com as séries

desagregadas será possível perceber as diferenças da irradiância incidente consoante o tipo

de sistema de seguimento presente nas centrais.

Considerando as diferentes metodologias descritas no capítulo dois, foi decidida a

aplicação de redes neuronais (NN) para se atingir os objectivos desta etapa.

As NN são técnicas computacionais constituídas por um modelo matemático inspirado na

estrutura neuronal de organismos inteligentes e que adquirem conhecimento através da

experiência. Estas integram unidades básicas de processamento interligadas, os neurónios,

cujo funcionamento é bastante simples e que geralmente são conectados através de canais

de comunicação que estão associados a um determinado peso.

As NN são constituídas por um conjunto de entrada, um conjunto de neurónios (camada

escondida) e um conjunto de saída. AS NN podem apresentar na sua constituição vários

neurónios, que se encontram distribuídos por várias ou apenas uma camada escondida, tal

como é apresentado no exemplo da Figura 4.4.


58

Figura 4.4 - Diagrama Simplificado de uma Rede Neuronal.

Na metodologia optou-se por criar duas NN:

a primeira (rede neuronal 1 – NN1) cujo treino é feito utilizando como input as séries

de dados históricos de para as localizações pretendidas e séries de

calculados, como descrito na fase 1 e que apresentaria como target as séries de

dados históricos de para o mesmo período.

a segunda (rede neuronal 2 – NN2) utilizaria como input dados históricos de e

e como target para o mesmo período.

A escolha das variáveis de input está relacionada em primeiro lugar com os dados

disponíveis para a dissertação. A opção de usar deve-se ao facto de este funcionar como

valor de referência, na medida em que varia em função da hora do dia, dia do ano e

localização (latitude) do local para onde se pretende fazer a previsão de produção para curto

prazo.

As NN utilizadas para desagregar as previsões de irradiância global horizontal nas suas

componentes directa e difusa, são do tipo feedforward, isto é, funcionam de forma

progressiva sem informação adicional acerca dos processos a jusante, ou seja, sem

realimentação, exemplo apresentado na Figura 4.5. Apresenta-se como uma rede de

neurónios organizados sob a forma de camadas, cuja informação é propagada desde a camada

de entrada até à camada de saída, mas nunca em sentido contrário. Devido à sua

esquematização em camadas é designada por rede MultiLayer Perceptron (MLP). Importa

referir que, estas redes têm sido muito utilizadas em aplicações de previsão [74].

Fase 2 59

Figura 4.5 – Rede neuronal feedforward [75].

As duas NN são treinadas por retropropagação, ou backpropagation (método apresentado

por Rumelhart, Hinton e Williams em 1986 [76]), que é o método de aprendizagem

supervisionada mais utilizado. Baseia-se num algoritmo que generaliza a aplicação do método

dos mínimos quadrados à NN com mais de duas camadas e que implementa o sistema de

cálculo sucessivo das derivadas parciais numa direcção contrária à da propagação normal de

informação através da rede.

A formulação deste método é apresentada em [77], e é caracterizado por fornecer à rede

um exemplo e verificar a saída da rede. A saída da rede é comparada com a saída esperada o

que origina um erro. Procede-se ao cálculo do gradiente deste erro em relação aos valores

sinápticos da camada de saída, obtendo-se assim o erro na saída da penúltima camada,

propagando para trás o erro sucessivamente por todas as camadas de conexões. Este processo

é repetido até que o erro seja menor que uma tolerância adequada, definida anteriormente.

As configurações das NN consiste em definir o número de camadas intermédias, assim

como, o número de neurónios da camada intermédia. Segundo o teorema de Kolmogorovs

Superposition [78], a utilização de uma só camada escondida é suficiente.

As camadas de entrada e de saída vão apresentar um número de neurónios igual ao

número de variáveis de entrada e de saída respectivamente.

Quanto à escolha do número de neurónios da camada intermédia não existe uma

metodologia que defina o número ideal, existe apenas um conjunto de regras e sugestões. No

entanto, Kolmogorovs [78] defende que, se o número de neurónios da camada escondida de

uma NN for obtido através da equação 4.9, então a NN pode aproximar qualquer função

contínua do tipo descrito pela equação 4.10.

, (4.9)

Onde:

n corresponde ao número de variáveis de entrada.

, (4.10)


60

A função de activação dos neurónios utilizada é Tan-Sigmoid Transfer Function

[tansig(n)], dado que é a que apresenta melhor desempenho segundo [25].

De referir que os dados utilizados como input e target, nas NN, exigem um processo de

tratamento denominado estandardização. Segundo Han [79] o desempenho dos métodos tem

uma melhoria significativa e segundo Shalabi [80] têm o processo de aprendizagem acelerado

no caso de NN com treino por backpropagation. A Estandardização consiste numa equalização

das escalas das variáveis de entrada e saída para uma determinada gama de intervalos, sendo

a usada é entre [-1, 1]. Com este processo consegue-se assim um melhor ajuste da gama das

variáveis às funções de activação e equaliza-se as escalas entre as diversas variáveis [74].

O método utilizado para a estandardização foi o Min-Máx, apresentado em [74], que

supõe que mina e maxa são o mínimo e o máximo do conjunto de entrada a, a estandardização

Min-Máx mapeia o valor x de a, na escala [mina, maxa], em x’ de A, na escala [minA= -1,

maxA= 1], segundo a equação 4.11.

, (4.11)

O processo de destandardização é o processo inverso, isto é, consiste em transformar as

variáveis estardardizadas na escala [-1, 1] para a escala real. Este processo inverso é

conseguido através da equação 4.12, também apresentado em [74].

, (4.12)

A grande vantagem da utilização de modelos que recorrem a inteligência computacional

em sistemas de previsão consiste no facto de não ser necessário conhecer a natureza da série

de dados, dado que o processo de aprendizagem adquire as características essenciais do

conjunto de dados. Por outro lado, o facto de as funções de activação poderem ser não

lineares, permite que estes sistemas sejam considerados aproximadores universais, pois

conseguem aproximar funções lineares e não lineares. Outra vantagem associada às NN é a

sua capacidade de adaptação à evolução do conjunto de dados, sendo possível treinar em

qualquer instante de forma a reduzir o erro.

A grande desvantagem deste tipo de modelo consiste na necessidade de dispor de um

grande conjunto de dados para efectuar o processo de aprendizagem da rede. Outra

desvantagem está relacionada com o esforço computacional necessário no processo de treino,

caso a NN seja composta por um vasto número de entradas e de neurónios. Note-se, contudo,

que apesar do processo de treino ser lento, o processo de previsão é muito rápido,

constituindo esta uma condição primordial num sistema de previsão.

Um facto importante para a criação das NN está relacionado com a disponibilidade dos

dados para o treino da rede - , e . Uma solução para este problema passa

por usar dados de zonas semelhantes, ou seja, zonas cujo valor de latitude seja da mesma

ordem de grandeza que a latitude do local para o qual se pretende fazer a previsão de

produção a curto prazo.

4.3- Fase 3

Ilustra-se na Figura 4.6 o diagrama explicativo da fase 2 da metodologia.

Figura 4.6 – Diagrama explicativo do modelo empregue na dissertação – parte 2.

Tendo em conta o carácter aleatório e disperso da irradiância difusa, associada a

reflexões e refracções em todas as superfícies existentes (desde nuvens a objectos) e que

proporcionem estes contactos/fenómenos, decidiu-se que o seu valor para as diferentes

disposições possíveis dos sistemas fotovoltaicos se manteria. Vamos assim, para esta fase, ter

apenas em conta a irradiância directa horizontal ( ) e é sobre esta que incidirão os

cálculos que a seguir se apresentam.

As instalações solares fotovoltaicas existentes apresentam disposições variadas e podem

ou não apresentar sistemas mecânicos de seguimento. Temos assim as seguintes alternativas

existentes:

Fixas com inclinação ( igual a 0º, sem sistema seguimento, orientadas para sul;

Fixas com definida, sem sistema seguimento, orientadas para sul;

Móveis com sistema de seguimento de um eixo horizontal, orientadas para sul;

Móveis com sistema de seguimento de um eixo vertical;


62

Móveis com sistema de seguimento de dois eixos.

Torna-se assim necessário recalcular em função do tipo de central que estamos a

considerar. Para isso, recorreu-se à formulação de Volker Quaschning em [32], aplicando-se a

equação 4.13. Esta formulação, como referido, calcula a irradiância directa que incide no

painel quando este não se encontra no plano horizontal. A razão entre e

permite recalcular o valor da irradiância directa horizontal para a irradiância directa na

perpendicular face ao plano horizontal. De seguida, a multiplicação do valor resultante pelo

permite recalcular novamente esse valor, mas agora para a inclinação e orientação

do painel. No final deste processo vamos obter a irradiância directa ( ) que incide no

painel, tendo em conta a sua inclinação e orientação.

, (4.13)

Onde:

corresponde ao valor da irradiância directa recalculado para o plano do

painel, (W/m2);

está associado ao produto escalar entre dois vectores. O vector s corresponde à

direcção do sol, e o vector n que é o vector normal à superfície dos painéis. Os

vectores s e n são descritos pelas equações 4.14 e 4.15, respectivamente. O produto

escalar dos vectores encontra-se na equação 4.16. A Figura 4.7 ilustra todos os

ângulos descritos nesta etapa de forma a facilitar a sua percepção.

, (4.14)

, (4.15)

, (4.16)

Onde:

corresponde ao azimute do painel, em radianos, que representa o desvio da

orientação do painel em relação ao norte geográfico.

corresponde ao azimute solar, em radianos, e está associado ao percurso

aparente feito pelo sol ao longo do dia, projectado sobre o plano horizontal, em

relação ao norte geográfico. Este ângulo é positivo e crescente no sentido descrito

pelos ponteiros do relógio. Para calcular o azimute solar, recorreu-se à equação

4.17.

Fase 3 63

, (4.17)

Figura 4.7 – Representação esquemática dos ângulos associados ao movimento do sol e da instalação [32].

É referido em [32] que, ao recalcular do valor da irradiância directa horizontal para

irradiância directa no plano do painel, através da equação 4.13, é necessário ter cuidados

especiais e proceder a ajustes aos resultados obtidos quando se trata das primeiras e últimas

horas solares do dia. Para essas horas, o factor pode atingir valores muito elevados,

para as horas em questão, como é demonstrado na Figura 4.8, para um dia exemplificativo.

Figura 4.8 – Elevação solar – linha azul – e factor 1/ – linha vermelha.

Como se pode verificar, nas primeiras horas após o nascer do sol e nas últimas horas antes

do pôr-do-sol, o factor tende para valores muito elevados e provocará valores de

irradiância directa para o plano do painel irreais. Assim, foi necessário proceder a um ajuste

para se converter da irradiância directa horizontal para a irradiância no plano do painel,

0

5

10

15

20

25

30

35

0

5

10

15

20

25

30

º

tempo


64

usando a formulação apresentada na equação 4.18, o que resultou numa boa aproximação

experimental.

, (4.18)

Apesar de a fórmula base ser igual, existem simplificações e análises que devem ser feitas

em cada situação. Na etapa seguinte serão apresentadas as formulações para cada caso

identificado.

4.3.1 Centrais fixas, com , orientadas para sul

Para este tipo de instalações, torna-se desnecessário proceder a qualquer simplificação

da equação 4.18 pois a .

4.3.2 Centrais fixas, com variável, orientadas para sul

Neste tipo de instalações, iniciamos os cálculos pela determinação do ângulo de elevação

solar e do azimute solar através das equações 4.3 e 4.17, respectivamente, para cada

instante de tempo considerado.

De seguida passamos ao cálculo do ângulo solar de incidência. Tendo em conta que a

instalação está orientada para sul, e que a inclinação definida para o painel é

constante, , o ângulo solar incidente é obtido pela equação 4.18:

, (4.19)

Podemos assim, calcular o valor da irradiância directa, para cada momento, para a

superfície descrita neste ponto, através da equação 4.19.

, (4.20)

A condição presente na equação 4.19 refere-se ao período em que o sol se encontra a

incidir na parte de trás do painel, ou seja, no período após o nascer do sol e no período antes

do pôr-do-sol. A condição está dependente do uma vez que para valores de ,

recorrendo ao auxilio da Figura 4.7 e tendo em consideração a inclinação fixa do painel,

podemos concluir que o sol vai incidir na parte de trás do painel, daí que, a irradiância

directa nesse período terá de ser 0.

4.3.3 - Centrais móveis, com sistema mecânico de seguimento zenital, de

um eixo horizontal, com variável, orientadas para sul

Quando as instalações estão equipadas com sistemas mecânicos de seguimento solar, é

fundamental atender aos cálculos associados aos diversos ângulos descritos anteriormente.

Fase 3 65

Novamente, inicia-se pelos cálculos do ângulo de elevação solar e do azimute solar para cada

instante de tempo considerado, através das equações 4.3 e 4.17 respectivamente.

O passo seguinte passa por calcular o ângulo de incidência solar. Devido à presença de um

eixo horizontal, a inclinação dos painéis vai variar ao longo do dia de forma a maximizar a

captação de irradiância solar directa. A melhor inclinação para a instalação será quando os

painéis se encontrarem na perpendicular relativamente à linha imaginária entre o sol e o

painel (representado anteriormente pelo vector s, equação 4.14). Foi assim necessário

encontrar uma relação entre ângulos que permitisse definir a inclinação do painel em função

da movimentação do sol.

Exemplificando com três horas do dia, Figura 4.9, é possível verificar que vai estar

relacionado com o e o . Próximo da hora de nascer do dia, o será próximo de 0, como

tal será quase ou seja 90º. De forma a maximizar a captação da irradiância o painel terá

de estar praticamente na vertical também, ou seja, próximo de 90º. Ao meio-dia, o

atingirá o seu valor máximo (varia consoante a altura do ano, sendo mais elevado no Verão

que no Inverno), assim será mínimo. A inclinação ideal adoptada para o painel nesse

período será também mínima. Por fim, no fim do dia, o será próximo de 0 novamente,

como tal será aproximadamente . Para maximizar a captação da irradiância a inclinação

do painel terá de estar, mais uma vez, próximo da vertical, ou seja, próximo de 90º.

Analisando estes três períodos do dia, percebe-se a relação existente entre o , e a .

Pode assim concluir-se que em todos os instantes temporais considerados.

Figura 4.9 – Evolução dos ângulos , e a em três momentos do dia.

Tendo em conta que a instalação está orientada para sul, , logo a equação

do ângulo solar incidente é dada pela equação 4.21.

, (4.21)

Por fim, o valor da irradiância directa, para cada momento, para a superfície descrita

neste ponto, é obtido através da equação 4.22.

, (4.22)


66

Tal como descrito na parte final do ponto 4.1.3.2, a condição presente na equação 4.22

está relacionada com as horas em que o sol incide na parte de trás do painel. O facto de esta

condição estar dependente do é novamente justificável pois para valores de ,

recorrendo novamente à Figura 4.7 e tendo em conta a movimentação proposta para o painel

neste ponto, é possível perceber que a irradiância solar vai incidir na parte de trás do painel,

portanto, a irradiância directa nesse período terá de ser 0 W/m2.

4.3.4 - Centrais móveis, com sistema mecânico de seguimento azimutal, de

um eixo vertical, com fixa e orientação variável

Tal como no ponto anterior, tendo em conta a presença de sistemas mecânicos de

seguimento solar, foi dada especial atenção aos cálculos dos ângulos fundamentais para esta

etapa. Inicia-se pelo cálculo do ângulo de elevação solar, equação 4.3, e do azimute solar,

equação 4.17, para cada instante de tempo considerado.

Neste tipo de instalações, é definida uma fixa, geralmente com um valor que optimize

a captação de irradiância solar em alguns períodos do ano, dependendo das motivações com

que a central foi implementada. Devido ao eixo vertical, a movimentação dos painéis vai

estar directamente relacionada com a posição do sol. Assim, a partir do momento em que o

sol nasce até ao pôr-do-sol, o valor do e do vão estar directamente relacionados. O

máximo valor de captação regista-se quando o painel se encontra orientado para a posição do

sol. Conforme se ilustra na Figura 4.7, verifica-se que qualquer que seja o valor do

implicará que o . Garante-se assim que os painéis vão estar posicionados com a

superfície de captação orientada para o sol.

Através da equação 4.23 calcula-se seguidamente o ângulo de incidência solar.

, (4.23)

Para calcular a irradiância directa, para cada momento, para a superfície descrita neste

ponto, usamos a equação 4.24.

, (4.24)

4.3.5 - Centrais móveis, com sistema mecânico de seguimento de dois

eixos, horizontal e vertical

A presença de dois sistemas de eixos de seguimento solar implica a análise das

formulações base descritas até agora. O cálculo do ângulo da elevação solar, equação 4.3, e

do azimute solar, equação 4.17, para cada instante de tempo considerado, mantêm-se iguais.

Fase 4 67

Nas centrais com sistemas mecânicos de seguimento de dois eixos, a orientação do painel

e a inclinação vai variar em cada instante do dia, maximizando desta forma a captação da

irradiância solar em cada momento. O comportamento do eixo horizontal e do eixo vertical é

igual ao descrito nos pontos 4.3.3 e 4.3.4.

Assim, o ângulo de incidência solar é calculado pela equação 4.25.

, (4.25)

O resultado obtido vai de encontro ao esperado. O dá 0 uma vez que os painéis vão

estar numa posição perpendicular aos raios solares (4.1.4.3) e por outro lado vão seguir a

movimentação do sol ao longo de todos os momentos do dia, desde o nascer do sol até ao

pôr-do-sol (4.1.4.4).

Para calcular a irradiância directa, para cada momento, para uma instalação com dois

eixos, usamos a equação 4.26.

, (4.26)

Após o cálculo de para cada caso, é fundamental saber qual a irradiância total que

incide sobre os painéis. Para isso vamos adicionar ao valor obtido na etapa 4, consoante o

tipo de central em estudo, o valor da irradiância difusa obtida através da rede NN2, para os

mesmos instantes temporais, tal como descrito na equação 4.27.

, (4.27)

4.4- Fase 4

Na Figura 4.10 ilustra-se um diagrama explicativo desta fase.


68

Figura 4.10 – Diagrama explicativo do modelo empregue na dissertação – fase 4.

De modo a simular a produção energética nas instalações fotovoltaicas em estudo, é

possível recorrer ao processo indicado na equação 4.28 ou ao processo descrito na equação

4.29.

, (4.28)

, (4.29)

Onde:

corresponde à potência produzida pelo parque quando sujeito a uma

determinada temperatura e irradiância, em cada instante considerado, (W);

é a eficiência do painel da central em estudo, ajustado para a

temperatura ambiente e calculado segundo a equação 4.30, baseada na formulação

presente em [33];

corresponde à potência instalada do parque ajustado para a temperatura

ambiente e calculado segundo a equação 4.31, baseada na formulação presente em

[33], (W).

Fase 5 69

TC corresponde ao ajuste da temperatura do painel em função da temperatura

ambiente e é calculado pela equação 4.32, baseada na formulação presente em

[33], (ºC);

é o valor considerado para o rendimento da central solar FV. O valor

considerado foi de 80%, o que tem em conta perdas nas linhas, perdas no inversor,

perdas devido à deterioração dos módulos fotovoltaicos, etc.;

é a área de superfície dos painéis fotovoltaicos na central em estudo. O

valor é obtido através das informações recolhidas junto dos contactos estabelecidos

com as diversas centrais ou pela multiplicação da área de cada painel pelo número

de painéis presente na central;

, (4.30)

, (4.31)

, (4.32)

Onde:

é um coeficiente de variação de potência com a temperatura da célula, (%/ºC);

é o Nominal Operationg Cell Temperature, temperatura de funcionamento

nominal da célula, fornecido pelos fabricantes, (ºC);

corresponde à temperatura ambiente prevista para o mesmo instante da

previsão, (ºC);

4.5- Fase 5

Na disponibilidade de dados históricos de produção, relativos à central para a qual se

pretenda fazer previsão de produção, é criada uma NN de previsão de produção, que vai

receber como input a série de simulação de produção de curto prazo, que se obtêm no final

da fase 4, e que tem como output a série de previsão de produção, ajustada pela NN.

Desta forma, no final da fase 5, o resultado é uma série de previsão de produção, a curto

prazo, para a localização da central, ajustada a factores que não foram tidos em conta

anteriormente, tais como velocidade do vento e desempenho característico da central.


70

Capítulo 5

Resultados

Neste capítulo serão apresentados os resultados da aplicação da metodologia.

Inicialmente vão apresentar-se os resultados da desagregação de séries temporais de

previsão de irradiância global horizontal ( ), para as localizações das centrais

escolhidas para teste do modelo, nas suas componentes directa e difusa usando as redes NN1

e NN2, respectivamente. Para a criação da NN1 e da NN2, tendo em conta a ausência de

dados históricos para as localizações escolhidas, recorreu-se ao processo descrito na fase 2 do

capítulo quatro. No final desta fase foi necessário validar a aplicação da NN1 e NN2 às

localizações escolhidas para teste da metodologia.

De seguida, tendo em conta as características das centrais (tipo de sistemas mecânicos

de seguimento), foram aplicadas as formulações, descritas na fase três do capítulo quatro,

para recalcular o valor da previsão de irradiância directa horizontal ( ) para a

irradiância directa no plano do painel ( ). Após a obtenção , adiciona-se o

valor da irradiância difusa horizontal ( ) proveniente da NN2, resultando no valor de

irradiância total incidente no plano do painel ( ).

No final foi possível, a partir do valor de obtido, fazer a previsão a previsão de

produção de cada uma das centrais para o período do conjunto de teste.

Tendo em conta a ausência de dados históricos de produção das centrais, não foi possível

entrar na fase 5 da metodologia.

Para a verificação da metodologia foram obtidos séries de previsão de irradiância global

horizontal para as localizações enumeradas no capítulo três. Estas séries foram fornecidas

pela empresa SmartWatt, tendo sido elaboradas através de modelos de previsão de

irradiância elaborados pelo CESAM, baseadas no modelo WRF explicado anteriormente no

capítulo dois. Os dados fornecidos pela SmartWatt, são séries temporais de previsão de

irradiância global horizontal ( ) e de temperatura ambiente, com valores de previsão

de 15 em 15 minutos.

O método utilizado para avaliação do erro dos modelos propostos na dissertação foi o

NMAPE. Neste método, o erro sofre uma transformação que consiste em passar para a forma

de percentagem. Para isso, divide-se a média do valor absoluto do erro pelo valor médio do

parâmetro que se pretenda avaliar, como indicado na equação 5.1.

72 Resultados

72

, (5.1)

Onde:

corresponde ao valor medido num determinado instante;

corresponde ao valor previsto para o mesmo instante.

será substituído pelo valor médio da variável pretendida, consoante o caso.

Este valor é obtido através da equação 5.2.

, (5.2)

Onde:

corresponderá ao valor da variável pretendida, consoante o caso.

Relativamente às NN, apesar de existir uma grande variedade de softwares com

diferentes implementações de NN, nesta dissertação, a ferramenta utilizada foi a NN

Toolbox, do programa Matlab.

5.1- Fase 1 e 2 da Metodologia

Neste ponto, serão identificados os dados e explicados os processos que permitiram

chegar aos resultados esperados no final da fase 1 e 2 da metodologia.

5.1.1 - Redes NN1 e NN2

Para a criação das NN1 e NN2, tendo em conta a ausência de ou impossibilidade de obter

dados históricos de , e para localizações das centrais em Portugal, foi

necessário encontrar uma alternativa que permitisse dar sequência à metodologia idealizada.

Assim, baseado no processo descrito na fase 2 do capítulo quatro, foram obtidos dados

medidos de , e , relativo ao ano de 2009 com valores de 15 em 15

minutos, para uma instalação situada em Tulsa, estado de Oklahoma, nos Estados Unidos da

América. Esta escolha deveu-se a duas situações complementares: primeiro devido ao facto

de a latitude da instalação em Tulsa ser similar à latitude de Portugal, a latitude da

instalação em Tulsa é de 36.5º e em Portugal a latitude varia entre 37º e 42º,

aproximadamente; segundo devido à disponibilidade dos dados pretendidos.

Após a obtenção e tratamento dos dados, foi calculado para o mesmo espaço

temporal e localização dos dados históricos, pelo processo descrito no capítulo 4, equação

4.1.

A NN1 foi treinada com dados históricos de e como input e usou como

target para o mesmo período. A NN2 foi treinada com dados históricos de

e como input e utilizou como target para o mesmo período.

De seguida, definiu-se o conjunto de treino da NN1 e NN2. Definiu-se como input, para as

duas NN, os dados históricos de Tulsa de e de referentes ao período entre

Janeiro e Novembro de 2009. Como target da NN1 foi considerada a série temporal da

Fase 1 e 2 da Metodologia 73

para o mesmo período, e como target da NN2 a série temporal da também

entre Janeiro a Novembro de 2009.

Após a criação de NN1 e NN2, o primeiro passo foi testar a performance das mesmas,

introduzindo como input os dados históricos de do mês de Dezembro e o

calculado, para o mesmo período e localização, e simular na NN1 e na NN2. Dessa forma,

pudemos comparar os resultados obtidos, e , com valores

medidos na instalação, e , permitindo tirar conclusões sobre a

performance das redes.

Na Figura 5.1 apresenta-se o output da NN1 para o conjunto de teste ( ) -

linha vermelha - e os valores medidos de – linha azul - para o mês de Dezembro. Na

Figura 5.2 apresenta-se o output da NN2 para o conjunto de teste ( ) - linha

vermelha - e os valores medidos de – linha azul - para o mês de Dezembo.

O cálculo do erro NMAPEméd para as duas NN encontra-se na Tabela 5.1.

Figura 5.1 - Comparação entre o irradiância directa (Output da NN1) ( ) e os valores de

irradiância directa medidos em Tulsa ( ), para todos os dias do mês de Dezembro.

Figura 5.2 – Comparação entre o irradiância difusa (Output da NN2) ( ) e os valores de

irradiância difusa medidos em Tulsa ( ), para todos os dias do mês de Dezembro.

0

100

200

300

400

500

600

[W/m

2]

tempo

hb_hor_TUL_output hb_hor_TUL

0

50

100

150

200

250

300

350

[W/m

2]

tempo

hd_hor_TUL_output hd_hor_TUL

74 Resultados

74

Tabela 5.1 – NMAPE médio das NN, para conjunto de teste.

Rede Neuronal Artificial NMAPEméd (%)

NN1 ( ) 16,88

NN2 ( ) 25,36

Analisando a Figura 5.1 e Figura 5.2 é possível verificar que os outputs de NN1 e NN2,

para o conjunto de teste – dados de Tulsa relativos ao mês de Dezembro - seguem os valores

reais medidos. Existem, naturalmente, desvios relativamente aos dados reais, no entanto, os

resultados obtidos estão muito próximos dos mesmos.

Relativamente ao valor obtido com o NMAPE verifica-se que a NN1 apresenta melhores

resultados que a NN2, no entanto os valores obtidos são satisfatórios tendo em conta a

quantidade de dados disponíveis para o treino da rede.

De seguida procedeu-se ao somatório de com de modo a

se obter a irradiância total para o plano horizontal . Com este valor foi

possível comparar os outputs das NN1 e NN2 com os valores medidos de para o mês

de Dezembro. Na Figura 5.3 apresenta-se a comparação entre os valores medidos de

– linha azul - e a – linha vermelha. Na Tabela 5.2 apresenta-se o resultado do

NMAPE.

Figura 5.3 – Comparação entre os valores medidos de irradiância global horizontal em Tulsa ( )

e os valores da irradiância total resultantes da soma da irradiância directa (NN1) e difusa (NN2)

( ), para todos os dias do mês de Dezembro.

Tabela 5.2 – NMAPE médio da irradiância total horizontal ( resultante das NN, para conjunto teste.

Processo para obter irradiância total horizontal NMAPEméd (%)

5,53

É facilmente perceptível que a série de dados resultante das NN segue de forma correcta

os resultados reais medidos de Tulsa para o mês de Dezembro. O valor do NMAPE para o

0

100

200

300

400

500

600

[W/m

2]

tempo

ht_hor_TUL_output hg_hor_TUL


período definido como teste é inferior comparativamente os valores obtidos na Tabela 5.1

para as componentes desagregadas. Comprova-se assim que a metodologia proposta para

desagregar a irradiância global horizontal nas suas componentes directa e difusa, é válida.

5.1.2 - Validação das NN1 e NN2 Aplicadas a Localizações em Portugal

Continental

Este ponto consistiu em verificar a aplicação das NN desenvolvidas, treinadas com dados

históricos de Tulsa, para localizações em Portugal Continental. Com as séries de previsão de

irradiância global horizontal ( ), fornecidos pela empresa SmartWatt e elaboradas

pelo CESAM, para as diferentes instalações em Portugal, e após se calcular o valor da

irradiância extraterrestre ( ), para o mesmo período, após passarem pelo processo de

estandardização, vão ser aplicados na NN1, obtendo os valores de para a

mesma escala temporal. Da mesma forma, com as mesmas variáveis de input, mas aplicando

à NN2, vamos obter os valores . Passamos a ter os valores da irradiância

directa e difusa, desagregados, para superfície horizontal.

Relativamente aos resultados obtidos das NN, não foi possível, de forma objectiva,

analisar e retirar conclusões, uma vez que não existem dados históricos, nem previsões de

e , para os mesmos períodos, para as localizações em Portugal. A

comparação e análise de performance do modelo foi feita entre a irradiância global

horizontal prevista e o somatório, em cada instante considerado, da

proveniente da NN1 e da proveniente da NN2. A série resultante do somatório

é descrita como .

Utilizando dados de previsão obtidos para três dias de Dezembro de 2009 e para três dias

de Janeiro de 2010, relativamente a uma localização em Portugal, vamos analisar e comparar

o comportamento entre a curva da série de valores da e a curva da .

De forma a estimar-se o erro dos resultados obtidos foi calculado o NMAPE.

Foi escolhida uma localização para o processo de validação, a central de Moura no

distrito de Beja, latitude 38.2º.

Na Figura 5.4 e Figura 5.5 apresentam-se os resultados obtidos das NN, para os três dias

Dezembro (das 18 horas do dia dois de Dezembro 2009 às 17.45 do dia cinco de Dezembro

2009) e os três dias de Janeiro (das 18 horas do dia seis de Janeiro 2010 às 17.45 do dia nove

de Janeiro 2010) respectivamente, considerados no processo de validação.

76 Resultados

76

Figura 5.4 – Comparação entre a soma dos resultados da NN1 e NN2, irradiância total ( )

e a previsão de irradiância global ( ), para os três dias de Dezembro 2009.

Figura 5.5 – Comparação entre a soma dos resultados da NN1 e NN2, irradiância total ( )

e a previsão de irradiância global ( ), para os três dias de Janeiro 2010.

É perceptível pela análise das duas figuras que o somatório dos resultados das NN,

, estão de acordo com os valores das séries de previsão de irradiância global

horizontal, . Os resultados do NMAPE são apresentados na Tabela 5.3.

Tabela 5.3 – NMAPE médio dos resultados de NN1 e NN2, para os três dias de Dezembro e para os três dias de Janeiro.

Metodologia NMAPEméd (%)

NN1 + NN2 (três dias de Dezembro 2009) 5,59

NN1 + NN2 (três dias de Janeiro 2010) 6,36

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

hg_hor_prev

ht_hor_prev_output

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

hg_hor_prevht_hor_prev_output


Como se pode verificar, quer pela análise da Figura 5.4 e da Figura 5.5, quer pela análise

da Tabela 5.3, os resultados da aplicação das NN1 e NN2 às séries de previsão de irradiância

global, para a localização da central de Moura foram bons. Analisando e comparando o valor

do NMAPE, quer para os três dias de Dezembro, quer para os três dias de Janeiro, e

comparando com os valores da Tabela 5.2, para o conjunto de teste de Tulsa, verifica-se que

são da mesma ordem de grandeza. Dessa forma, conclui-se que é justificável a utilização dos

dados históricos de Tulsa, os quais permitem modelizar a NN1 e NN2 para as localizações das

centrais portuguesas.

Após a desagregação com sucesso da previsão de irradiância global horizontal em directa

e difusa para qualquer localização de instalações fotovoltaicas em Portugal Continental,

entramos na fase três da dissertação. Tendo em conta o tipo de sistema de seguimento

utilizado nas centrais fotovoltaicas, aplicaremos às séries desagregadas de irradiância, as

formulações descritas a partir da Fase 3 do capítulo 4.

5.2- Fase 3 e 4 da Metodologia

De forma a demonstrar a validade das formulações propostas, vamos aplicar a

metodologia descrita no capítulo quatro, fase três, a quatro centrais solares fotovoltaicas

instaladas em Portugal. Pretende-se demonstrar a diferença de captação de irradiância solar,

mediante a presença ou não de sistemas mecânicos de seguimento e, consequentemente,

comparar e comprovar a diferença de produção nos períodos considerados. Para comparar a

produção, tendo em conta que as quatro centrais escolhidas apresentam potência instaladas

diferentes, procedeu-se a uma normalização dos valores de potência previstos, dividindo-se o

valor previsto a cada instante pela potência nominal instalada de cada central. Desta forma

será possível comparar as centrais com diferentes potências instaladas e diferentes sistemas

de seguimento.

Os dois conjuntos de três dias de dados de previsão obtidos escolhidos, para se proceder

ao teste desta fase da metodologia, foram:

das 18.00 horas, de dia dois de Dezembro de 2009, até às 17.45 horas, de dia cinco

de Dezembro de 2009;

das 18.00 horas, de dia seis de Janeiro de 2010, até às 17.45 horas, de dia nove de

Janeiro 2010.

5.2.1 - Caracterização das Centrais Alvo de Previsão

As centrais escolhidas foram a central FV de Moura, o MARL, a central FV de Serpa e a

central FV de Vila do Bispo. Apresenta-se na Tabela 5.4 uma breve caracterização das

mesmas.

Foram feitas previsões de produção de potência para seis dias de previsões obtidos do

CESAM, três dias de Dezembro de 2009 e três dias de Janeiro de 2010, confirmando-se a

aplicação do modelo para diferentes meses.

Relativamente à central em Vila do Bispo, esta é uma central com três tipos de sistemas:

fixo, um eixo e dois eixos.

78 Resultados

78

Para efeitos de teste da metodologia, tendo em conta que não foi obtida a informação da

potência por tipo de sistema, foi considerado que toda a central apresentava sistema de

seguimento de dois eixos.

Tabela 5.4 – Caracterização das centrais aplicadas no caso de estudo.

Características das centrais Moura MARL Serpa Vila do Bispo

Latitude 38º12’ 38º51’ 38º1’ 37º5’

Longitude 7º13’ 9º6’ 7º37’ 8º54’

Potência Instalada [kWp] 46410 6060 11016 40

Número de painéis 262.080 27.768 50.074 224

Eficiência do painel [%] 13,90 12,64 17,68 13,75

NOCT 46 47 46 46

Sistema de Seguimento 1 Eixo vertical Fixo 1 Eixo horizontal 2 Eixos

Área de Superfície dos Painéis [m2] 337.297 46.414 62.296 326

Tendo em conta os diferentes tipos de sistemas mecânicos de seguimento, vamos usar a

formulação descrita no capítulo anterior, da fase 1 à fase 4.

5.2.2 - Previsão da Central FV de Moura

Para a central FV de Moura, a desagregação da nas suas componentes directa

( ) e difusa ( ), é apresentada na Figura 5.6 e na Figura 5.7, para

os dois conjuntos de três dias considerados para teste. Pela análise, é possível verificar o

comportamento das NN1 e NN2 para dias de céu limpo, 2º e 3º dia do conjunto de Dezembro e

para o 2º dia de Janeiro, em que a maior componente da é a . Nos

restantes dias foi possível verificar diversos tipos de respostas das NN, as quais dependem do

conjunto de treino das NN e dos dados previsão que são fornecidos como input.

Figura 5.6 – Desagregação da previsão de irradiância global ( ) nas suas componentes directa

( ) e difusa ( ) para os três dias de Dezembro, na central de Moura.

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

ht_hor_prev_outputhb_hor_prev_outputhd_hor_prev_output



( ) e difusa ( ), para os três dias de Janeiro, na central de Moura.

Na fase seguinte, aplicou-se à às equações relativas a centrais com

sistema de seguimento de um eixo vertical. Na Figura 5.8 e na Figura 5.9 é ilustrada a

diferença entre o valor da e a , resultante da utilização de um

sistema de seguimento com um eixo vertical. Como se pode constatar, a irradiância captada

com sistema de seguimento de um eixo vertical é superior à irradiância que incide sobre a

superfície horizontal, tal como era esperado. Desta forma, teremos também um aumento

significativo da potência produzida nestas centrais.

Figura 5.8 – Comparação entre a irradiância total prevista para o plano horizontal ( ) e a

irradiância total prevista para o plano do painel ( ), para três dias de Dezembro, na central de

Moura.

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

ht_hor_prev_output

hb_hor_prev_output

hd_hor_prev_output

0

100

200

300

400

500

600

700

800

900

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

ht_inc_prevht_hor_prev_output

80 Resultados

80

Figura 5.9 – Comparação entre a irradiância total prevista para o plano horizontal ( ) e a

irradiância total prevista para o plano do painel ( ), para três dias de Janeiro, na central de

Moura.

Na Figura 5.10 e na Figura 5.11 encontra-se representada a evolução da potência

produzida (MW), calculada através da equação 4.28, para a série de valores de previsão de

irradiância, calculados pela metodologia da fase 3.

Figura 5.10 – Potência prevista (MW) para os três dias do mês de Dezembro, na central de Moura.

0

100

200

300

400

500

600

700

800

900

1000

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

ht_inc_prev

ht_hor_prev_output

0

5

10

15

20

25

30

35

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo


Figura 5.11 – Potência prevista (MW) para os três dias do mês de Janeiro, na central de Moura.

5.2.3 - Previsão da Central FV de Serpa

A desagregação da através da NN1 e NN2, para a central FV de Serpa, para os

períodos considerados, é ilustrada na Figura 5.12 e na Figura 5.13. A

resultante da soma das duas componentes apresentou um NMAPE de 6,21% para os três dias

de Dezembro e de 6,28% para os três dias de Janeiro.


( ) e difusa ( ), para os três dias de Dezembro, na central de Serpa.

0

5

10

15

20

25

30

35

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


82 Resultados

82


( ) e difusa ( ), para os três dias de Dezembro, na central de Serpa.

Aplicamos à série de dados obtida - - as equações relativas a centrais com

sistema de seguimento de um eixo horizontal. Na Figura 5.14 e na Figura 5.15 é ilustrada a

diferença entre o valor da e a , resultante da utilização de um

sistema de seguimento com um eixo horizontal. Pode verificar-se que, a irradiância captada

com sistema de seguimento horizontal é bastante superior à irradiância que incide sobre a

horizontal, tal como o verificado com sistema de 1 eixo vertical. Obtemos, assim, um

aumento significativo da potência produzida nestas centrais.

Figura 5.14 – Comparação entre a irradiância total prevista para o plano horizontal ( ) e

a irradiância total prevista para o plano do painel ( ), para três dias de Dezembro, na central

de Serpa.

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


0

100

200

300

400

500

600

700

800

900

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

ht_inc_prev

ht_hor_prev_output



a irradiância total prevista para o plano do painel ( ), para três dias de Janeiro, na central de

Serpa.


produzida, calculada através da equação 4.27, para a nova série de valores de irradiância

calculados, para os mesmos períodos.

Figura 5.16 – Potência prevista para os três dias do mês de Dezembro, na central de Serpa.

0

100

200

300

400

500

600

700

800

900

1000

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


0

1

2

3

4

5

6

7

8

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo

84 Resultados

84

Figura 5.17 – Potência prevista para os três dias do mês de Janeiro, na central de Serpa.

5.2.4 - Previsão da Central FV do MARL

Quanto à central FV do MARL, a sua desagregação da , para os períodos

considerados, é apresentado na Figura 5.18 e na Figura 5.19. A série de

resultante da soma das duas componentes, apresentou um valor de NMAPE para os dias de

Dezembro de 7,07% e para os dias de Janeiro de 5,88%.


( ) e difusa ( ), para os três dias de Dezembro, na central do MARL.

0

1

2

3

4

5

6

7

8

9

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo




( ) e difusa ( ), para os três dias de Dezembro, na central do MARL.

Seguindo o mesmo procedimento descrito nos pontos anteriores, aplicamos à série de

obtida, as equações relativas a centrais sem sistema de seguimento, com uma

inclinação fixa de 35º e orientado para sul.

Na Figura 5.20 e na Figura 5.21 é visível a diferença entre o valor da e a

, resultante da utilização de um sistema fixo, com inclinação constante e orientado

para sul. Como se pode constatar, a irradiância captada com sistema fixo, orientado para sul,

com uma inclinação constante é superior à irradiância que incide sobre a horizontal. No

entanto, esta diferença, comparativamente com a verificada para o sistema de um eixo

horizontal e um eixo vertical é menor. Note-se que a inclinação definida para a central fosse

0º, as curvas obtidas iriam tender a igualar-se.



do MARL.

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


0

100

200

300

400

500

600

700

800

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


86 Resultados

86



do MARL.


produzida, calculada através da equação 4.27, para a nova série de valores de irradiância

calculados, para os mesmos períodos.

Figura 5.22 – Potência prevista para os três dias do mês de Dezembro, na central do MARL.

0

100

200

300

400

500

600

700

800

900

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


0

0,5

1

1,5

2

2,5

3

3,5

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


Figura 5.23 – Potência prevista para os três dias do mês de Janeiro, na central do MARL.

5.2.5 - Previsão da Central FV de Vila do Bispo

Para a central FV de Vila do Bispo, a desagregação da recorrendo às NN1 e

NN2, para os períodos considerados pode ser visualizada na Figura 5.28 e na Figura 5.29. A

série de resultante da soma das duas componentes, apresentou um NMAPE

para os dias de Dezembro de 6,93% e para os dias de Janeiro de 6,84%.


( ) e difusa ( ), para os três dias de Dezembro, na central da Vila do Bispo.

0

0,5

1

1,5

2

2,5

3

3,5

4

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


88 Resultados

88


( ) e difusa ( ), para os três dias de Dezembro, na central da Vila do

Bispo.

Tal como nos pontos anteriores, aplicou-se também à série de obtida, as

equações para centrais com sistema de seguimento de dois eixos. Na Figura 5.26 e na Figura

5.27 é ilustrada diferença entre o valor da e a , resultante da

utilização de um sistema de seguimento dois eixos. É possível verificar a diferença de

captação de irradiância da instalação com sistema seguimento de 2 eixos comparativamente

com a irradiância que incide sobre a horizontal. Este é o caso onde a diferença de irradiância

captada é maior, tal como seria de esperar, na medida em que este tipo de sistemas, tal

como explicado anteriormente, varia a sua orientação em função do azimute solar, sendo a

sua inclinação função da elevação solar.



de Vila do Bispo.

0

100

200

300

400

500

600

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


0

100

200

300

400

500

600

700

800

900

1000

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo




a irradiância total prevista para o plano do painel ( ), para três dias de Janeiro, na central de

Vila do Bispo.

Aplicando a formulação da metodologia, presente na final da fase 4, obtemos a potência

produzida prevista nesta central para os dois conjuntos de três dias de teste. Na Figura 5.28 e

na Figura 5.29 encontra-se representada a previsão da potência produzida para a nova série

de valores de irradiância calculados.

Figura 5.28 – Potência prevista para os três dias do mês de Dezembro, na central em Vila do Bispo.

0

100

200

300

400

500

600

700

800

900

1000

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[W/m

2]

tempo


0

0,005

0,01

0,015

0,02

0,025

0,03

0,035

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo

90 Resultados

90

Figura 5.29 – Potência prevista para os três dias do mês de Janeiro, na central em Vila do Bispo.

5.3- Comparação da Previsão de Produção entre as Centrais em Estudo

Apresenta-se na Figura 5.30 e na Figura 5.31 os valores da potência produzida, em MW,

para os três dias de Dezembro e para os três dias de Janeiro, de cada uma das centrais

consideradas.

Figura 5.30 – Comparação dos resultados da previsão da potência produzida pelas quatro centrais, para os três dias de Dezembro.

0

0,005

0,01

0,015

0,02

0,025

0,03

0,035

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo

0

5

10

15

20

25

30

35

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo

MouraSerpaMARLVila do Bispo

Comparação da Previsão de Produção entre as Centrais em Estudo 91

Figura 5.31 – Comparação dos resultados da previsão da potência produzida pelas quatro centrais, para os três dias de Janeiro.

É possível, numa primeira análise, verificar a diferença de escalas de previsão de

produção de potência fotovoltaica entre as centrais, para os dois conjuntos de três dias

escolhidos para o teste. Esta diferença é explicada com o facto de a potência instalada de

cada central considerada ser muito diferente, daí que, por exemplo, a previsão de potência

FV da central de Vila do Bispo (40 kW de potência instalada), não seja claramente perceptível

na Figura 5.30 e na Figura 5.31.

De forma a ultrapassar este inconveniente, procedeu-se a uma normalização dos valores

de previsão de potência. Para isso, calculou-se a razão entre o valor da previsão de potência

e o valor da potência instalada, para cada central, em cada instante considerado, tal como

formulado na equação 5.3. A unidade deste parâmetro normalizado é W/Wp.

, (5.3)

Na Figura 5.32 e na Figura 5.33 apresenta-se os resultados normalizados, para os dois

conjuntos de três dias do conjunto definido para teste.

0

5

10

15

20

25

30

35

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

[MW

]

tempo


92 Resultados

92

Figura 5.32 – Comparação dos resultados normalizados da previsão da potência produzida pelas quatro centrais, para os três dias de Dezembro.

Figura 5.33 – Comparação dos resultados normalizados da previsão da potência produzida pelas quatro centrais, para os três dias de Janeiro.

Tendo em conta as diferenças de previsão de produção entre cada central ao longo da

maioria dos dias dos conjuntos de teste, optou-se por desagregar as previsões de produção

obtidas para o dia 8 de Janeiro (segundo dia do segundo conjunto de teste), tendo em conta

que o comportamento da série de valores da , para as quatro centrais, é

relativamente similar. Na Figura 5.34 é observável a diferença na captação e

0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

0,90

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

Po

tên

cia

No

rmal

izad

a

tempo


0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

0,90

18

,00

20

,30

23

,00

1,3

0

4,0

0

6,3

0

9,0

0

11

,30

14

,00

16

,30

19

,00

21

,30

0,0

0

2,3

0

5,0

0

7,3

0

10

,00

12

,30

15

,00

17

,30

20

,00

22

,30

1,0

0

3,3

0

6,0

0

8,3

0

11

,00

13

,30

16

,00

Po

tên

cia

No

rmal

izad

a [W

/Wp

]

tempo

Moura

Serpa

MARL

Vila do Bispo

Comparação da Previsão de Produção entre as Centrais em Estudo 93

consequentemente na produção das centrais em função do tipo de sistema que apresentam.

Tal como seria de esperar, a central em Vila do Bispo, com sistema de seguimento de dois

eixos é a central com maior valor de produção normalizado. Seguindo-se as duas centrais com

sistemas mecânicos de seguimento de um eixo e, por fim, a central com sistema fixo.

Entre as duas centrais com sistema de um eixo verifica-se que a central com eixo vertical

apresenta maiores valores de previsão de produção, normalizada, ao longo da maioria das

horas do dia, uma vez que a sua orientação segue o azimute solar. No entanto, no valor

máximo, devido ao valor de inclinação fixo definido para esta central, a sua produção

normalizada [W/Wp] é inferior à central de um eixo horizontal, uma vez que altera a sua

inclinação em função da elevação solar, maximizando a captação de irradiância solar nestes

períodos, e consequentemente, a produção.

Figura 5.34 – Comparação dos resultados normalizados da previsão da potência produzida pelas quatro centrais, para dia oito de Janeiro.

Numa análise geral, é perceptível que através do modelo de previsão de produção de

curto prazo, a produção de cada central segue a previsão de irradiância solar a que cada uma

delas se encontra sujeita, seja em dia de céu limpo, seja em dias com nuvens.

Confirma-se, assim, que a metodologia proposta na fase 3 e na fase 4 desta dissertação

encontra-se correctamente modelizada.

0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

0,90

0,0

0

1,0

0

2,0

0

3,0

0

4,0

0

5,0

0

6,0

0

7,0

0

8,0

0

9,0

0

10

,00

11

,00

12

,00

13

,00

14

,00

15

,00

16

,00

17

,00

18

,00

19

,00

20

,00

21

,00

22

,00

23

,00

Po

tên

cia

No

rmal

izad

a [W

/Wp

]

tempo

Moura

Serpa

MARL

Vila do Bispo

94 Resultados

94

Capítulo 6

Conclusões

As motivações que serviram de base à realização da dissertação foram, o crescente

interesse nas áreas de previsão de produção FV e a necessidade de desenvolver metodologias

que permitam prever a produção da central, em função das características eléctricas (tipo de

painel utilizado) e mecânicas (sistema de seguimento adoptado) das centrais e das previsões

meteorológicas obtidas para o local da instalação da central, para um horizonte temporal a

curto prazo.

Neste capítulo, são apresentadas as principais conclusões retiradas ao longo da

dissertação. Começou-se por apresentar as conclusões da caracterização da situação FV em

Portugal Continental e em seguida as diversas conclusões relativas ao principal objectivo da

dissertação, a metodologia de previsão de produção das centrais fotovoltaicas.

Na fase final do capítulo apresenta-se algumas sugestões de trabalhos futuros, que podem

melhorar e encontrar novos rumos para a previsão de produção das centrais fotovoltaicas.

6.1- Conclusões Finais

Com a caracterização da situação fotovoltaica nacional, capítulo 3, foi possível perceber

o forte investimento feito quer a nível das grandes centrais fotovoltaicas, quer a nível da

microgeração fotovoltaica. A partir do ano de 2006 verificou-se um crescimento quase

exponencial do potencial fotovoltaico instalado em Portugal Continental. Segundo os dados

recolhidos, este valor passou de 248 kWp, aproximadamente, em 2006, para 118.435 kWp,

aproximadamente, no final de 2009. Constatou-se também que a distribuição das centrais não

é homogénea pelo território nacional, sendo a zona centro e sul são as zonas com maior

densidade de centrais fotovoltaicas implementadas. Por fim, foi também possível constatar o

domínio das tecnologias de Silício e de centrais fixas, sem sistema mecânico de seguimento

implementado ou com sistema mecânico de seguimento de um eixo apenas.

Relativamente ao principal objectivo da dissertação, o desenvolvimento da metodologia

de previsão de produção para curto prazo, enumeram-se, em seguida, as principais

conclusões obtidas.

Na fase 2 da metodologia foram modelizadas duas redes neuronais, baseadas no cálculo

da irradiância extraterrestre e em dados históricos de irradiância global para o plano

96 Conclusões

96

horizontal, irradiância directa para o plano horizontal e irradiância difusa para o plano

horizontal. Na ausência dos dados históricos de irradiância global, directa e difusa, foi

proposto e comprovado na dissertação, que é possível recorrer a dados históricos de outras

localizações para a modelização das duas redes. A condição imposta é que esses dados

históricos provenham de localizações com características semelhantes à da localização da

central para a qual se pretende fazer previsão de produção a curto prazo, nomeadamente

a latitude.

Também foi possível comprovar que, a partir de séries de irradiância global horizontal e

do cálculo da irradiância extraterrestre, para os mesmos instantes temporais, é possível,

utilizando redes neuronais, desagregar a irradiância global para o plano horizontal, nas suas

componentes, irradiância directa para o plano horizontal e irradiância difusa para o plano

horizontal.

Na fase 3 da metodologia, partindo das componentes desagregadas de irradiância global

horizontal foram modelizados, com sucesso, o ajuste do valor da irradiância directa

horizontal para o valor da irradiância directa que incide sobre o plano do painel, para quatro

tipos de sistemas mecânicos de seguimento diferentes, aplicados em centrais fotovoltaicas

portuguesas. Foi possível comprovar as diferenças de captação de irradiância total solar, em

função do tipo de sistema mecânico de seguimento de cada central.

Nesta dissertação desenvolveu-se uma metodologia de previsão a curto prazo que

combina cálculos analíticos de radiação, previsões meteorológicas de radiação e

temperatura, simulação de produção de centrais e informação sobre histórico de produção. A

metodologia está dividida em cinco fases: a primeira consiste num convencional cálculo

analítico de irradiância extraterrestre, que é usado na segunda fase como variável de

entrada; a segunda fase usa uma abordagem inovadora baseada em redes neuronais para

fazer a separação em irradiância directa e difusa das previsões meteorológicas de irradiância

global; a terceira e quarta fase usam a separação directa e difusa da irradiância para a

simulação da produção das centrais com sistemas de seguimento e com diferentes

características eléctricas de produção; por fim a quinta fase usa uma rede neuronal para

fazer os ajustes de previsão simulada em produção estimada, usando aprendizagem baseada

em produções reais.

Tendo em conta os objectivos definidos para a dissertação, pode considerar-se que estes

foram cumpridos. Foi desenvolvido um modelo de previsão, pronto a ser implementado e

utilizado como serviço de previsão. O único ponto que não foi testado foi o ajuste de

produção, referido como fase 5, uma vez que, para este passo são necessários dados

históricos de produção das centrais, o que não foi possível obter a tempo de ser integrado

neste trabalho de dissertação.

6.2- Trabalhos Futuros

Como trabalhos futuros, apresentam-se algumas sugestões:

O desenvolvimento da fase 2 da metodologia envolve a criação de duas redes

neuronais cujo treino utiliza dados históricos de irradiância global, directa e difusa

horizontal, dados estes que estão directamente relacionados com a localização da

central. Nesta dissertação, como explicado anteriormente, não se dispôs de dados

para as centrais utilizadas para teste. Sugere-se, assim, que se existirem registos

históricos de todas as variáveis necessárias e houver disponibilidade de os utilizar,

Trabalhos Futuros 97

que as redes neuronais empregues na fase 2 sejam criadas e treinadas com esses

dados. Apesar dos bons resultados obtidos nas desagregações descritas no capítulo 5

da dissertação, esta sugestão poderá permitir obter uma desagregação mais

ajustada a cada central.

Na possibilidade de se dispor de dados históricos de produção, da central para a

qual se pretenda fazer previsão de produção a curto prazo, será possível aplicar a

fase 5 descrita na metodologia. Neste caso, os valores de previsão de produção

obtidos no final da fase 4 serão ajustados por uma rede neuronal.

Propõem-se a aplicação da metodologia desenvolvida a todas as centrais

fotovoltaicas em Portugal, permitindo, desta forma, prever para um horizonte

temporal a curto prazo, a produção da central. A disponibilidade destes dados de

previsão de produção permitirá uma implementação mais robusta e eficaz das

centrais fotovoltaicas no planeamento e despacho dos sistemas eléctricos de

energia.

Justifica-se também a criação de uma interface para o utilizador, de modo a

facilitar introdução de dados relativos à central para a qual se pretenda fazer

previsão de produção de curto prazo.

98 Conclusões

98

Referências

[1] DEEC Universidade Coimbra, "Manual de Boas Práticas de Eficiência Energética", 2005.

[2] Ministério Ciência Tecnologia e Ensino Superior, “Estratégias para Emissões Nulas na

Utilização de Combustíveis Fósseis em Portugal”, 2006. Available:

http://www.fct.mctes.pt/projectos/pub/2006/Painel_Result/vglobal_projecto.asp?id

Projecto=70767&idElemConcurso=916

[3] Resolução do Conselho de Ministros nº. 119, 2004.

[4] Parlamento Europeu, “Pacote clima-energia: "três vintes" até 2020”, 2008. Último

acesso em Outubro de 2009. Available:

http://www.europarl.europa.eu/sides/getDoc.do?pubRef=-//EP//TEXT+IM-

PRESS+20081208BKG44004+0+DOC+XML+V0//PT

[5] L. Martins, “O Braço de Ferro do Séc. XXI – Combustíveis Fósseis Vs Energias

Renováveis”, 2008. Último acesso em Outubro de 2009. Available:

http://www.voltimum.pt/news/138/s/O-bra-o-de-ferro-do-s-c-XXI-Combust-veis-F-

sseis-Vs-Energias-Renov-veis.html

[6] Ministério da Educação e Inovação, "Energia e Alterações Climáticas - Mais

Investimento, Melhor Ambiente", 2007.

[7] Minister of Natural Resources Canada, “Clean Energy Project Analysis", 3ª ed., 2001-

2005.

[8] EPIA, "Global market outlook for photovoltaics until 2013", 2009.

[9] EurObserv’ER, "Photovoltaic Barometer", pp. 24, 2009.

[10] GREENPRO, “Energia Fotovoltaica, Manual sobre Tecnologias, Projecto e Instalação”,

2004.

[11] International Energy Agency, "Trends in PV Applications - Survey report of selected

IEA countries between 1992 and 2006", 2007.

[12] M. Loster, “Total Primary Energy Supply: Required Land Area”. Último acesso em

Outubro de 2009. Available: http://www.ez2c.de/ml/solar_land_area/

[13] Display+, “European Investment in Solar Power Delivers Market Leadership”, 2009.

Último acesso em Setembro de 2009. Available:

http://www.displayplus.net/bbs/zboard.php?id=solar_news&page=19&sn1=&divpage=

1&sn=off&ss=on&sc=on&select_arrange=headnum&desc=asc&no=772

[14] D. T. Huld and D. E. D. Dunlop, "Photovoltaic Geographical Information System".

[15] SOLARBUZZ, "European PV Markets 2009 Report", 2009.

[16] John G., "Global Solar Photovoltaic Market Analysis and Forecasts to 2020", Global

Data, Maharashtra, 2009. Último acesso em Setembro de 2009.

[17] GreenPeace and EPIA, "Solar Generation V", 2008.

[18] EPIA, “Solar Photovoltaic Electricity - Sunny Future Ahead”. Último acesso em

Outubro de 2009. Available: http://www.epia.org/solar-pv/sunny-future-ahead.html

[19] P. T. R. A. C. (PV-TRAC), "A Vision for Photovoltaic Technology", 2005.

[20] C. Gomes and P. Malheiro, “Produza Você Mesmo a Energia que Consome”, Água &

Ambiente, 2007. Available: http://www2.inescporto.pt/use/noticias-eventos/nos-na-

imprensa/produza-voce-mesmo-a-energia-que-consome.html

[21] A. Luque and S. Hegedus, “Handbook of Photovoltaic Science and Engineering”, 2003.

http://www.fct.mctes.pt/projectos/pub/2006/Painel_Result/vglobal_projecto.asp?idProjecto=70767&idElemConcurso=916

http://www.fct.mctes.pt/projectos/pub/2006/Painel_Result/vglobal_projecto.asp?idProjecto=70767&idElemConcurso=916

http://www.europarl.europa.eu/sides/getDoc.do?pubRef=-//EP//TEXT+IM-PRESS+20081208BKG44004+0+DOC+XML+V0//PT

http://www.europarl.europa.eu/sides/getDoc.do?pubRef=-//EP//TEXT+IM-PRESS+20081208BKG44004+0+DOC+XML+V0//PT

100 Referências

100

[22] E. D. R. B. Proença, "A Energia Solar Fotovoltaica em Portugal", Engenharia e Gestão

Industrial, IST, Lisboa, 2007.

[23] J. N. M. d. S. e. Sousa, "Previsão da Produção Eléctrica em Parques Eólicos", FEUP,

2007.

[24] C. Monteiro, “Previsão de Produção Eólica”, 2009.

[25] E. S. d. S. Ferraz, "Optimização de Estruturas e Modelos de Previsão de Produção

Mini-Hídrica", Energia, FEUP, Porto, 2009.

[26] G. Foley, “Photovoltaic Applications in Rural Areas of the Developing World”, World

Bank Technical Paper Number 304, 1995.

[27] CEEETA, “Tecnologias de Micro-Geração e Sistemas Periféricos”, 2001.

[28] D. R. Rüther, "Panorama Actual da Utilização da Energia Solar Fotovoltaica e o

Trabalho do Labsolar nesta Área", LABSOLAR - Laboratório de Energia Solar,

Departamento de Engenharia Mecânica da Universidade Federal de Santa Catarina,

1999.

[29] R. M. G. Castro, “Energias Renováveis e Produção Descentralizada”, 2008.

[30] Centro de Referência para Energia Solar e Eólica Sérgio de Salvo Brito, "Energia Solar

- Princípios e Aplicações".

[31] Portal das Energias Renováveis, “Guia da Energia Solar”.

[32] V. Quaschning, “Understanding renewable energy systems”, London: Earthscan, 2005.

[33] C. Monteiro, “Energia Solar Fotovoltaica”, 2008.

[34] L. Petillon, et al., “Ponto de Potência Máxima – MPPT”. Último acesso em Setembro

de 2009. Available: http://e-

lee.ist.utl.pt/realisations/EnergiesRenouvelables/FiliereSolaire/MPPT/MPPT/MPPT.ht

m

[35] S. Makridakis, et al., “Forecasting methods and applications”, New York: John Wiley

& Sons, 1998.

[36] a. J. v. N. R. Fortoft J. Charney, "Numerical integration of the barotropic vorticity

equation", pp. 237-254, 1950.

[37] Grupo de Metereologia e Climatologia da Universidade de Aveiro, “Previsão do

Tempo”. Último acesso em Janeiro de 2010. Available:

http://climetua.fis.ua.pt/main/notas_exp.htm

[38] E. Lorenzo, “Radiación Solar Y Dispositivos Fotovoltaicos”, Sevilha: PROGENSA

(PROMOTORA GENERAL DE ESTUDIOS; S.A.), vol. 2, 2006.

[39] J. A. Duffie and W. A. Beckman, “Solar engineering of thermal processes”, New York:

John Wiley & Sons, 1991.

[40] D. Racine Tadeu Araújo Prado, et al., "Levantamento do Estado da Arte: Energia

Solar", 2007.

[41] J. A. Duffie and W. A. Beckman, “Solar Engineering of Thermal Processes”, Segunda

ed.: A Wiley-Interscience Publication.

[42] C. Monteiro, “Energia Solar Fotovoltaica”, 2008.

[43] The Encyclopedia of Earth. “Albedo”. Último acesso em Setembro de 2009. Available:

http://www.eoearth.org/article/Albedo

[44] A. Sfetsos and A. H. Coonick, "Univariate and multivariate forecasting of hourly solar

radiation with artificial intelligence techniques", Solar Energy, vol. 68, pp. 169-178,

2000.

[45] F. Hocaoglu, et al., "Hourly solar radiation forecasting using optimal coefficient 2-D

linear filters and feed-forward neural networks", Solar Energy, vol. 82, pp. 714-726,

2008.

[46] B. H. Chowdhury and S. Rahman, "Forecasting sub-hourly solar irradiance for

prediction of photovoltaic output", in Conference Record of the IEEE Photovoltaic

Specialists Conference, pp. 171-176, 1987.

[47] S. Hokoi, et al., "Stochastic models of solar radiation and outdoor temperature", in

ASHRAE Transactions, pp. 245-252, 1990.

[48] A. Skartveit and J. A. Olseth, "The probability density and autocorrelation of short-

term global and beam irradiance", Solar Energy, vol. 49, pp. 477-487, 1992.

[49] C. Mustacchi, et al., "Stochastic simulation of hourly global radiation sequences",

Solar Energy, vol. 23, pp. 47-51, 1979.

101

[50] R. Aguiar and M. Collares-Pereira, "TAG: A time-dependent, autoregressive, Gaussian

model for generating synthetic hourly radiation", Solar Energy, vol. 49, pp. 167-174,

1992.

[51] R. Aguiar and M. Collares-Pereira, "Statistical properties of hourly global radiation",

Solar Energy, vol. 48, pp. 157-167, 1992.

[52] M. L. Roderick, "Estimating the diffuse component from daily and monthly

measurements of global radiation", p. 17, 1998.

[53] L. Mora-López and M. Sidrach-De-Cardona, "Multiplicative arma models to generate

hourly series of global irradiation", Solar Energy, vol. 63, pp. 283-291, 1998.

[54] D. Elizondo, et al., "Development of a neural network model to predict daily solar

radiation", Agricultural and Forest Meteorology, vol. 71, pp. 115-132, 1994.

[55] A. Mellit, et al., "An ANFIS-based Forecasting for Solar Radiation Data from Sunshine

Duration and Ambient Temperature", in Power Engineering Society General Meeting,

IEEE, pp. 1-6, 2007.

[56] L. Ruey-Hsun and L. Jian-Hao, "A Fuzzy-Optimization Approach for Generation

Scheduling With Wind and Solar Energy Systems", Power Systems, IEEE Transactions

on, vol. 22, pp. 1665-1674, 2007.

[57] M. Bindi, et al., "Different methods for separating diffuse and direct components of

solar radiation and their application in crop growth models", pp. 8, 1992.

[58] J. Soares, et al., "Modeling hourly difuse solar-radiation in the city of São Paulo

using a neural-network technique", pp. 14, 2003.

[59] H. K. Elminir, et al., "Prediction of hourly and daily diffuse fraction using neural

network, as compared to linear regression models", 2007.

[60] M. H. Rahman, et al., "A viable grid-connected PV-ECS system with load leveling

function using a day-ahead weather forecast," in Power System Technology,

PowerCon 2004, 2004 International Conference on, vol. 1, pp. 311-316, 2004.

[61] M. H. Rahman and S. Yamashiro, "Novel Distributed Power Generating System of PV-

ECaSS Using Solar Energy Estimation", Energy Conversion, IEEE Transactions on, vol.

22, pp. 358-367, 2007.

[62] A. Yona, et al., "Application of Neural Network to One-Day-Ahead 24 hours

Generating Power Forecasting for Photovoltaic System", in Intelligent Systems

Applications to Power Systems, ISAP 2007, International Conference on, pp. 1-6,

2007.

[63] M. Ruey-Hsun Liang (IEEE), and Jian-Hao Liao, "A Fuzzy-Optimization Approach for

Generation Scheduling With Wind and Solar Energy Systems", in IEEE Transactions on

Power Systems, vol. 22, 2007.

[64] G. H. Stefan Bofinger, "Solar Electricity Forecast - Approaches and First Results",

2007.

[65] E. Lorens, et al., "Forecast of ensemble power production by grid-connected PV

systems", Germany, 2006.

[66] M. Girodoe, "Solar radiation on the basis of numerical weather prediction models",

Solar energy, Carl von Ossietzky University, Oldenburg, 2006.

[67] T. M. Klucher, "Evaluation of models to predict insolation on tilted surfaces",

DOE/NASA/1022-28; NASA-TM-78842, United States, Dep. NTIS, PC A03/MF A01.ERA-

03-039443, NTS-78-062571, EDB-78-078168, 1978

[68] A. Drews, et al., "Quality of performance assessment of PV plants based on

irradiation maps", Solar Energy, vol. 82, pp. 1067-1075, 2008.

[69] Eng.º Roque Filipe Mesquita Brandão, “Centrais Fotovoltaicas para a Microprodução”,

Neutro à Terra, 2009.

[70] Ministério da Economia e Inovação, "Energias Renováveis em Portugal," 2007.

[71] PVGIS, “Solar Radiation and Ohotovoltaic Electricity Potential Country and Regional

Maps for Europe”. Último acesso em Setembro de 2009. Available:

http://re.jrc.ec.europa.eu/pvgis/cmaps/eur.htm#PT

[72] C. Craveiro, "Investimento em painéis solares ascende a 167 milhões," Jornal de

Notícias, 26-01-2010.

[73] A. F. O. Falcão, "Movimento e posicionamento relativos Terra-Sol", in RECURSOS

ENERGÉTICOS RENOVÁVEIS, ed: Departamento de Engenharia Mecânica do IST, 2008.

[74] C. Monteiro, “Redes Neuronais”, 2007.

102 Referências

102

[75] R. Aggarwal and Y. Song, "Artificial neural networks in power systems. I. General

introduction to neural computing", Power Engineering Journal, vol. 11, pp. 129-134,

1997.

[76] Ana Paula Neves, et al., "2-Redes Neuronais", 1999/2000.

[77] V. Miranda, “Redes Neuronais - Treino por Retropropagação”, 2002.

[78] R. de Figueiredo, "Implications and applications of Kolmogorov's superposition

theorem", Automatic Control, IEEE Transactions on, vol. 25, pp. 1227-1231, 1980.

[79] J. Han, “Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers Inc.,

2005.

[80] L. A. Shalabi, et al., "Data Mining:A Preprocessing Engine", Journal of Computer

Science, vol. 2, pp. pp. 735-739, 2006.

padrão de formatação - paginas.fe.up.ptpaginas.fe.up.pt/~ee02035/tese.pdf · necessário criar...

Documents