Este artigo apresenta uma revisão de técnicas atualizadas de Machine Learning (ML) aplicadas a sistemas fotovoltaicos (PV), com foco especial em deep learning. Ele examina o uso de ML aplicado ao controle, detecção de ilhamento, gerenciamento, detecção e diagnóstico de falhas, previsão de irradiância e de geração de energia, e dimensionamento e adaptação do local em sistemas fotovoltaicos. A contribuição deste trabalho é tripla: primeiro, foram revisados mais de 100 artigos de pesquisa, a maioria deles dos últimos cinco anos, que aplicaram ML de última geração em sistemas fotovoltaicos; segundo, foram revisados recursos onde os pesquisadores podem encontrar conjuntos de dados abertos, código-fonte e ambientes de simulação que podem ser usados ​​para testar algoritmos de ML; terceiro, é fornecido um estudo de caso para cada um dos tópicos com código-fonte aberto e dados para facilitar aos pesquisadores interessados ​​em aprender sobre esses tópicos a se apresentarem a implementação de técnicas de ML atualizadas aplicadas a sistemas fotovoltaicos. Além disso, são apresentadas algumas direções, insights e possibilidades para desenvolvimento futuro.

Renewable Energy, Vol. 196 – Jorge Felipe Gaviria, Gabriel Narváez, Camilo Guillen, Luis Felipe Giraldo, Michael Bressan

Link de acesso:

https://www.sciencedirect.com/science/article/pii/S0960148122009454

Artigos relacionados

https://panorama.memoriadaeletricidade.com.br/harnessing-the-power-of-machine-learning-for-carbon-capture-utilisation-and-storage-ccus-a-state-of-the-art-review/

https://panorama.memoriadaeletricidade.com.br/sistemas-de-armazenamento-importancia-e-integracao-nos-mercados/