Aplicação de rede neural artificial para detecção de anomalias em usinas fotovoltaicas

Abstract

A geração de energia solar vem crescendo no mundo e no Brasil, por ser uma fonte considerada limpa e segura. No entanto, as Usinas Fotovoltaicas (UFV) enfrentam desafios significativos, especialmente a vulnerabilidade a falhas que frequentemente resultam em perdas de energia e, consequentemente, prejuízos econômicos. Entre os componentes, o inversor possui um papel essencial na geração de energia fotovoltaica. Seu desempenho pode afetar diretamente a eficiência de conversão, os benefícios econômicos e a confiabilidade operacional de todo o sistema de geração de energia. Caso o inversor apresente falhas, isso terá um impacto significativo na operação do sistema de geração de energia. Para garantir a operação confiável e segura das instalações fotovoltaicas, além de reduzir o trabalho de inspeção e investigação do pessoal de manutenção, faz-se necessário o uso de sistemas para detectar anomalias. Muitos métodos de detecção de falhas em sistemas fotovoltaicos têm sido estudados, incluindo técnicas de inteligência artificial, em especial redes neurais artificiais. Uma Rede Neural Artificial (ANN – Artificial Neural Network) é um tipo de ferramenta de aprendizado supervisionado baseado em um modelo simplificado do cérebro humano, consistindo em conexões de neurônios. Uma das configurações de ANNs mais utilizada para detecção de falhas são os Autoencoder, modelos que reconstroem a entrada original e a diferença entre a entrada e a saída pode ser usada para identificar anomalias nos dados (facilitando a detecção de falhas). Os Autoencoders podem ser combinados com outros tipos de redes, como Redes Neurais Convolucionais (CNN – Convolutional Neural Networks), que se destacam em desvendar relações espaciais inerentes aos dados, e Redes Neurais Recorrentes (RNN - Recurrent Neural Network) como LSTM (Long Short-Term Memory), que são modelos baseados em sequências, capazes de estabelecer correlações temporais entre informações passadas e presentes. Neste trabalho são propostos três modelos: Autoencoder (AE), Autoencoder com Redes Convolucionais (AE-CNN) e Autoencoder com LSTM (AE-LSTM). Os três modelos são avaliados em quatro cenários de anomalias de produção de um inversor de uma usina fotovoltaica real no nordeste brasileiro.