A Transformação do Mercado de Energias Renováveis Utilizando a Análise de Dados

Leonardo Macedo Gonçalves, Vinícius de Melo Puglia, João Carlos Lopes Fernandes, Renato de Brito Sanchez

Resumo


O conceito de Big Data, vem revolucionando o mercado na era digital, podendo revolucionar negócios, reunindo grandes dados de informações e auxiliando para tomada de decisões e previsões de mercado, gerando lucro e reduzindo custos. A pesquisa tem como objetivo criar um modelo de análise de dados para processos de energias renováveis, contribuindo com uma análise preditiva de dados de energia solar e eólica, prevendo as condições climáticas com antecedência e permitindo que as plantas de produção aumentem significativamente sua produção, foi usado no projeto a pesquisa quantitativa, no qual contribuiu para compreender quais os principais softwares serão utilizados para conclusão do projeto, gerando um sistema de análise que poderá contribuir para diversos mercados. Com a análise dos dados, será possível obter os modelos de previsão de produção de energia elétrica, em fontes renováveis, nomeadamente sistemas solares fotovoltaicos e turbinas eólicas. Permitindo a previsão da produção de energia elétrica a curto e médio prazo, permitindo assim o balanceamento eficaz do fluxo de energia gerado.

Palavras-chave


Big Data; Data Science; Fotovoltaico; Eólica

Texto completo:

PDF

Referências


Data Science Central. “Programando em Data Science.” Disponível em: www.datasciencecentral.com

Foster, P., Fawcett, T. “Data Science para Negócios” Ed, Alta Books. 2016

Géron, A. “Aprendizado de Máquina com Scikit-Learn e Tensorflow” Ed. Alta Books, 2019.

IBM, International Business Machines Corporation “IBM Drives the Future of Renewable Energy with New Wind and Solar Forecasting System.” 12-Ago-2013.

Instituto Nacional de Meteorologia. “Dados em Python.” Disponível em: http://www.inmet.gov.br/portal/index.php?r=home/page&page=rede_estacoes_conv_graf.

Jornal da Bioenergia. “Gráfico Energia” Disponível em:

http://www.canalbioenergia.com.br/geracao-eolica-cresce-155-no-primeirosemestre/

KNIME. “Plataform Analytics - KNIME.” Disponível em:

https://www.knime.org/knime.

Mello, K. “Gráfico Vento” Revista Forbes. Disponível em:

https://forbes.com.br/negocios/2019/07/quais-sao-os-pros-e-contras-domodelo-energetico-do-brasil/

Mouzakis, F. “Energy Big Data Europe” 3rd Workshop for Energy during WindEurope Conference. Disponível em: http://www.bigdataeurope.eu/energy/.

R Project. “The R Project for Statistical Computing.” Disponível em: https://www.rproject.org/.

Rapid Miner. “Open Source Predictive Analytics Platform”. Disponível em: https://rapidminer.com/.

Weather Underground. “Python.” Disponível em: www.wunderground.com/

Weka. “Data Mining with Open Source Machine Learning Software in Java.” Disponível em: http://www.cs.waikato.ac.nz/ml/weka/index.html.


Apontamentos

  • Não há apontamentos.