Author(s):
Martins, I. 
Date: 2009
Persistent ID: http://hdl.handle.net/10400.1/3993
Origin: Sapientia - Universidade do Algarve
Subject(s): Temperatura; Radiação solar; Redes neuronais; Algoritmos genéticos
Document details
Neural models project for solar radiation and atmospheric temperature forecast
Description
Dissertação de mest., Engenharia Electrónica e Telecomunicações, Faculdade de Ciências e Tecnologia, Univ. do Algarve, 2009 This work arises from the necessity of temperature and solar radiation forecast, to improve the Heating, Ventilating, and Air Conditioning (HVAC) systems e ciency. To do so, it was necessary to determine neural models capable of such forecast. The chosen characteristics were solar radiation and temperature because these two characteristics directly a ect the room temperature inside a building. This forecast system will be implemented on a portable computational device, so it must be built with low computational complexity. During this dissertation the various research phases are described with some detail. The applications were developed on Python programming language due to it library collection. In this task several algorithms were developed to determine the cloudiness index. The results of these algorithms were compared with the results obtained using neural models for the same purpose. In solar radiation and temperature forecast only neural models were used. The cloudiness index forecast was not implemented as this is only an intermediate step; instead measured values of cloudiness index were used for the solar radiation forecast. Regarding the solar radiation forecast two neural models were implemented and compared, one of the models has an exogenous input, the cloudiness index forecast, and the other one is simply a time series. This models were compared to determine if the inclusion of the cloudiness index forecast improves solar radiation forecast. In temperature forecast only one model will be presented, a Nonlinear AutoRegressive with eXogenous input (NARX) model, with solar radiation forecast as exogenous input. All the neural models are radial Basis Function (RBF) and there structure was determined using a Multi-Objective Genetic Algorithm (MOGA). The models were used to determine cloudiness index, forecast solar radiation and temperature. Este trabalho surge da necessidade de se prever a temperatura e a radia c~ao solar de forma a aumentar a e ci^encia de sistemas AVAC (Aquecimento, Ventila c~ao e Ar Condicionado). Para tal foi necess ario determinar modelos neuronais que permitam a implementa c~ao de tal previs~ao. As caracter sticas escolhidas foram a radia c~ao solar e a temperatura uma vez que estas afectam directamente o clima no interior dos edif cios. Este sistema de previs~ao dever a ser incorporado num dispositivo computacional port atil, portanto com uma capacidade computacional reduzida. Ao longo do trabalho s~ao descritas as v arias fases de investiga c~ao, de forma a relatar detalhadamente o trabalho efectuado. A linguagem utilizada para o desenvolvimento de aplica c~oes foi o Python devido a exist^encia de uma vasta colec c~ao de bibliotecas. Neste trabalho foram desenvolvidos algoritmos para determina c~ao de nebulosidade simulando a previs~ao da mesma. Os resultados dos algoritmos implementados foram comparados com os resultados das redes neuronais implementadas para o mesmo m. No caso da previs~ao de radia c~ao e temperatura apenas foram utilizadas redes neuronais. N~ao ser a feita a previs~ao de nebulosidade uma vez que esta e apenas um passo interm edio, sendo usado para previs~ao de radia c~ao solar os valores de nebulosidade medidos. Para a previs~ao de radia c~ao solar ser~ao implementados dois modelos neuronais. Um disp~oe de uma entrada ex ogena, a percentagem de nebulosidade, sendo o outro apenas uma s erie temporal. Os modelos neuronais s~ao todos de fun c~ao de base radial (RBF) e a sua estrutura foi determinada atrav es do algoritmo gen etico multi-objectivos (MOGA). Os modelos foram utilizados na determina c~ao de nebulosidade, previs~ao de radia c~ao e temperatura.
Dissertação de mest., Engenharia Electrónica e Telecomunicações, Faculdade de Ciências e Tecnologia, Univ. do Algarve, 2009 This work arises from the necessity of temperature and solar radiation forecast, to improve the Heating, Ventilating, and Air Conditioning (HVAC) systems e ciency. To do so, it was necessary to determine neural models capable of such forecast. The chosen characteristics were solar radiation and temperature because these two characteristics directly a ect the room temperature inside a building. This forecast system will be implemented on a portable computational device, so it must be built with low computational complexity. During this dissertation the various research phases are described with some detail. The applications were developed on Python programming language due to it library collection. In this task several algorithms were developed to determine the cloudiness index. The results of these algorithms were compared with the results obtained using neural models for the same purpose. In solar radiation and temperature forecast only neural models were used. The cloudiness index forecast was not implemented as this is only an intermediate step; instead measured values of cloudiness index were used for the solar radiation forecast. Regarding the solar radiation forecast two neural models were implemented and compared, one of the models has an exogenous input, the cloudiness index forecast, and the other one is simply a time series. This models were compared to determine if the inclusion of the cloudiness index forecast improves solar radiation forecast. In temperature forecast only one model will be presented, a Nonlinear AutoRegressive with eXogenous input (NARX) model, with solar radiation forecast as exogenous input. All the neural models are radial Basis Function (RBF) and there structure was determined using a Multi-Objective Genetic Algorithm (MOGA). The models were used to determine cloudiness index, forecast solar radiation and temperature. Este trabalho surge da necessidade de se prever a temperatura e a radia c~ao solar de forma a aumentar a e ci^encia de sistemas AVAC (Aquecimento, Ventila c~ao e Ar Condicionado). Para tal foi necess ario determinar modelos neuronais que permitam a implementa c~ao de tal previs~ao. As caracter sticas escolhidas foram a radia c~ao solar e a temperatura uma vez que estas afectam directamente o clima no interior dos edif cios. Este sistema de previs~ao dever a ser incorporado num dispositivo computacional port atil, portanto com uma capacidade computacional reduzida. Ao longo do trabalho s~ao descritas as v arias fases de investiga c~ao, de forma a relatar detalhadamente o trabalho efectuado. A linguagem utilizada para o desenvolvimento de aplica c~oes foi o Python devido a exist^encia de uma vasta colec c~ao de bibliotecas. Neste trabalho foram desenvolvidos algoritmos para determina c~ao de nebulosidade simulando a previs~ao da mesma. Os resultados dos algoritmos implementados foram comparados com os resultados das redes neuronais implementadas para o mesmo m. No caso da previs~ao de radia c~ao e temperatura apenas foram utilizadas redes neuronais. N~ao ser a feita a previs~ao de nebulosidade uma vez que esta e apenas um passo interm edio, sendo usado para previs~ao de radia c~ao solar os valores de nebulosidade medidos. Para a previs~ao de radia c~ao solar ser~ao implementados dois modelos neuronais. Um disp~oe de uma entrada ex ogena, a percentagem de nebulosidade, sendo o outro apenas uma s erie temporal. Os modelos neuronais s~ao todos de fun c~ao de base radial (RBF) e a sua estrutura foi determinada atrav es do algoritmo gen etico multi-objectivos (MOGA). Os modelos foram utilizados na determina c~ao de nebulosidade, previs~ao de radia c~ao e temperatura.
Document Type
Master Thesis
Language English
Advisor(s) Ruano, A. E.; Ferreira, P. M.
Language English
Advisor(s) Ruano, A. E.; Ferreira, P. M.
| Financiadores do RCAAP | |||||||
|
|
|
|
|
|
||