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

Autores

  • Leonardo Macedo Gonçalves Centro Universitário Eniac
  • Vinícius de Melo Puglia Centro Universitário Eniac http://orcid.org/0000-0002-1668-289X
  • João Carlos Lopes Fernandes Centro Universitário Eniac Universidade de Mogi das Cruzes (UMC) Centro Universitário Instituto Mauá de Tecnologia Faculdade de Tecnologia de São Caetano do Sul Universidade Paulista http://orcid.org/0000-0002-5309-6304
  • Renato de Brito Sanchez Centro Universitário Eniac / Núcleo de Pesquisa Eniac (NuPE) Universidade de Mogi das Cruzes (UMC) / Núcleo de Pesquisas Tecnológicas (NPT) / Laboratório Virtual de Tecnologias Assistivas (LAVITA) http://orcid.org/0000-0002-8335-2540

Palavras-chave:

Big Data, Data Science, Fotovoltaico, Eólica

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.

Biografia do Autor

Vinícius de Melo Puglia, Centro Universitário Eniac

Graduado em Engenharia de Produção (2017) e em Engenharia Elétrica (2019) pelo Centro Universitário ENIAC. Atuação profissional nas áreas de engenharia com projetos, consultoria e implantação de instalações elétricas em BT e MT, energias renováveis e alternativas, automação industrial e predial, máquinas e equipamentos, IoT e Indústria 4.0, Smart City, tratamento de águas e efluentes.
Pesquisas em 1 - sistemas embarcados, inteligência artificial, sistemas automáticos e robótica, energias alternativas e renováveis; 2 - engenharia biomédica.

João Carlos Lopes Fernandes, Centro Universitário Eniac Universidade de Mogi das Cruzes (UMC) Centro Universitário Instituto Mauá de Tecnologia Faculdade de Tecnologia de São Caetano do Sul Universidade Paulista

Bacharel em Ciências da Computação pela Universidade Municipal de São Caetano do Sul (1990), Mestre em Engenharia de Computação pelo Instituto de Pesquisas Tecnológicas do Estado de São Paulo (2006) e Doutor em Engenharia Biomédica na área de Tecnologias Computacionais pela Universidade de Mogi das Cruzes (2012). Atua nas seguintes áreas de pesquisa: Tecnologia e educação, reabilitação motora, segurança da informação e redes de computação.
Lattes: http://lattes.cnpq.br/4165131968563284

Renato de Brito Sanchez, Centro Universitário Eniac / Núcleo de Pesquisa Eniac (NuPE) Universidade de Mogi das Cruzes (UMC) / Núcleo de Pesquisas Tecnológicas (NPT) / Laboratório Virtual de Tecnologias Assistivas (LAVITA)

Graduado em Engenharia Elétrica pelas Faculdades Integradas Torricelli (2009) e em Engenharia Industrial Mecânica pelo Centro Universitário ENIAC (2019), Especialização em Gestão de Projetos pelo Centro Universitário ENIAC (2020), Mestre em Engenharia Mecânica pela FEI - Fundação Educacional Inaciana Pe. Sabóia de Medeiros (2015) e Doutorando em Engenharia Biomédica pela UMC - Universidade Mogi das Cruzes.
Pesquisador do NUPE no Centro Universitário ENIAC e do NPT / LAVITA na Universidade de Mogi das Cruzes.
Atuação profissional nas áreas de engenharia com projetos, consultoria e implantação de instalações elétricas em BT e MT, energias renováveis e alternativas, automação industrial e predial, máquinas e equipamentos, IoT e Indústria 4.0, Smart City, tratamento de águas e efluentes.
Pesquisas em 1 - sistemas embarcados, inteligência artificial, sistemas automáticos e robótica, energias alternativas e renováveis; 2 - exoesqueletos, ambientes virtuais para reabilitação de pacientes e identificação de doenças, tecnologias assistivas.
Lattes: http://lattes.cnpq.br/4165131968563284

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.

Downloads

Publicado

06-04-2020

Edição

v. 11 n. 1 (2019): Revista Caleidoscópio

Seção

Artigos - INICIAÇÃO CIENTÍFICA

Licença

1 - Os textos publicados na revista são de inteira responsabilidade de seus autores.

2 - É permitida a reprodução, desde que citada a fonte e o autor.

 Após o artigo aprovado, o autor principral deverá enviar declaração, conforme o modelo:

AUTORIZAÇÃO PARA PUBLICAÇÃO

(Nome do autor), portador do documento de identidade nº ________ (no caso de vários autores citar todos),  autorizo ( ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade pela Revista Eniac Pesquisa, em meio eletrônico.

A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".

Dados de todos os autores:

Nome completo:

Instituição:

E-mail:

Telefone:

Obs.: Informar os códigos dos serviços DDD e DDI.

Assinatura do autor principal: ____________________________________