Usinas fotovoltaicas offshore vs. montadas no solo

Pesquisadores na Arábia Saudita compararam o desempenho de usinas fotovoltaicas montadas no solo com o de instalações solares offshore e descobriram que as instalações flutuantes se beneficiam do efeito de resfriamento da água do mar.

Pesquisadores da Universidade King Fahd de Petróleo e Minerais da Arábia Saudita conduziram uma investigação comparativa de sistemas solares fotovoltaicos flutuantes experimentais (SFPV) e solares fotovoltaicos montados no solo (GSPV) em um sistema de inteligência artificial (IA) que prevê a temperatura da superfície e a potência de saída de ambas as configurações.

“Os sistemas SFPV e GSPV são instalados e testados sob as mesmas condições climáticas de Azizia, Reino da Arábia Saudita e avaliados em profundidade com relação à energia elétrica produzida, temperatura do painel de superfície fotovoltaica, tensão PV-DC, corrente PV-DC e rendimento e eficiência energética”, explicou a equipe. “O segundo objetivo deste estudo se concentra na aplicação de modelos avançados de inteligência artificial para prever a geração de energia elétrica e a temperatura do painel de superfície fotovoltaica em sistemas SFPV e GSPV, uma área que não raramente foi investigada”.

Usinas solares offshore são mais produtivas que as de solo, afirmam cientistas

As configurações SFPV e GSPV consistiam em dois painéis bifaciais com potência máxima de 545 W. Ambas as configurações também incluíam um inversor, uma bateria e um conjunto de registradores de dados e dispositivos de medição. O sistema SFPV foi instalado a 25 m da costa do Golfo do Bahrein, em Azizia, a uma profundidade de 1,5 m, enquanto o GSPV foi instalado nas proximidades em terra. O SFPV também usou uma estrutura de madeira, tambores de plástico reutilizáveis, uma estrutura de suporte feita de aço inoxidável, cabos de aço, ganchos e blocos de concreto de ancoragem.

A análise mostrou que a temperatura ambiente média a longo prazo flutuou de 15,35°C em janeiro para 36°C em julho, com a umidade relativa atingindo 31,65% em junho e atingindo um pico de 68,23% em dezembro. A intensidade solar horizontal global variou diariamente de 3,30 kWh/m²/dia a 7,74 kWh/m²/dia, com uma média geral de 5,64 kWh/m²/dia ao longo do ano. Além disso, a velocidade média do vento a 10 m acima do nível do mar variou entre 3,71 m/s em outubro e 5,42 m/s em junho.

As medições de ambos os dispositivos foram feitas em junho de 2024 e mostraram que o sistema SFPV melhorou a energia elétrica fotovoltaica média e acumulou energia elétrica líquida diária em 59,25% e 69,70%, respectivamente, em comparação com o sistema montado no solo. Isso se deveu, em parte, ao efeito de resfriamento da água do mar. Enquanto a média medida na superfície do GSPV foi de 58,40°C, o SFPV teve 39,5°C, uma redução de 32,36%.

Para prever as capacidades desses sistemas, o grupo combinou o algoritmo de otimização do urso pardo (BBOA) com a técnica de memória de longo e curto prazo (LSTM). O BBOA é inspirado nos comportamentos naturais dos ursos pardos e é usado para ajustar os hiperparâmetros do modelo LSTM. Os hiperparâmetros são as configurações externas definidas antes do início do processo de aprendizado do LSTM, que regem sua operação. O LTSM então usa sua capacidade de entender padrões para prever os resultados.

Devido à falta de espaço em terra, Singapura tem uma das maiores usinas de energia solar offshore do mundo que conta com mais de 120.000 painéis solares capazes de gerar mais de 60 MW de energia.

“O particionamento do conjunto de dados foi feito usando divisões 70/30, nas quais 70% do conjunto de dados foi alocado para treinamento e 30% para testes”, explicou o grupo. “As variáveis de entrada para o modelo incluem recursos como tempo, radiação solar, corrente fotovoltaica, tensão fotovoltaica e temperatura ambiente, enquanto as saídas alvo são energia elétrica e temperatura da superfície fotovoltaica”.

O LSTM-BBOA foi então comparado com três outros modelos: máquina de aumento de gradiente de luz (LightGBM), LSTM sozinho e unidade recorrente fechada (GRU). De acordo com os resultados, o modelo LSTM-BBOA alcançou robustez superior nos sistemas SFPV e GSPV. No caso da eletricidade da SFPV, ela alcançou um coeficiente determinístico (R²) de 0,9998. Para compressão, o LSTM sozinho recebeu 0,9966 e o LightGBM teve 0,9844.

Análise mostrou que o híbrido LSTM-BBOA revelou um desempenho “robusto” com valores mínimos de erro médio absoluto (MAE), raiz quadrada média (RMSE) e coeficiente de variação (COV) de 0,4884, 0,5031 e 0,1938 para as previsões de produção de energia SFPV. Enquanto o LightGBM autônomo exibiu os valores máximos de MAE, RMSE e COV de 5,7036, 12,6872 e 20,3577, respectivamente.

Usinas solares offshore em construção ajudarão o Brasil a atingir muito mais de 200 MW.

“O modelo LSTM-BBOA alcançou valores de coeficiente de eficiência de pico (EC) e índice geral (OI) de 0,9998 e 0,9931, respectivamente, excedendo as pontuações do modelo LSTM de 0,9969 e 0,9472 para produção de energia SFPV”, concluíram os cientistas. “Em comparação, o LightGBM registrou os valores mais baixos de EC e OI, em 0,9844 e 0,9190, respectivamente”. (pv-magazine-brasil)