ANÁLISE EXPLORATÓRIA DOS DADOS E USO DE ALGORITMOS DE MACHINE LEARNING NA UTILIZABILIDADE DA RADIAÇÃO SOLAR
Utilizabilidade da radiação solar; Energia solar térmica; Eficiência térmica; Simulação computacional; Machine learning
A utilizabilidade da radiação solar, definida como a fração da radiação incidente que pode
Ser efetivamente aproveitada por sistemas de aquecimento solar térmico, é uma variável
Fundamental na determinação da energia útil e da eficiência desses sistemas. Inicialmente,
Foi realizada uma revisão histórica e técnica da variável, com destaque para os métodos de
cálculo desenvolvidos ao longo do tempo, especialmente os de Klein e Karatasou
Santamouris e Geros, que se mostraram os mais consistentes em termos de aplicação a
Longo prazo.Com base nesses métodos, foi desenvolvida uma simulação computacional
Em linguagem Python, capaz de gerar valores de utilizabilidade e das variáveis envolvidas
para 32 cidades ao redor do mundo, utilizando seis diferentes coletores, formando um
Banco de Dados robusto. Esse banco foi utilizado em análises comparativas sazonais entre
hemisférios e entre diferentes coletores solares, evidenciando a influência do contexto
Geográfico, das estações do ano e das configurações dos coletores no desempenho térmico.
O coletor MT-power v4 obteve os melhores resultados em termos de eficiência e
utilizabilidade. Por fim, propõe-se uma abordagem inovadora, com o uso de modelos de
machine learning para prever a utilizabilidade com base em variáveis do sistema.
Utilizando o algoritmo KNN, foram gerados modelos com alto grau de correlação
(superior a 90%) com os métodos tradicionais, demonstrando viabilidade da substituição
Ou complemento dos modelos clássicos. Os resultados desta tese demonstram a relevância
da utilizabilidade como variável crítica em projetos solares térmicos e abrem caminhos
para futuras pesquisas que integrem técnicas computacionais, inteligência artificial e
dados climáticos na otimização desses sistemas.