Análise espacial do potencial fotovoltaico em telhados de residências usando modelagem hierárquica bayesiana

• Main Author: Villavicencio Gastelu, Joel [UNESP]
• Other Authors: Universidade Estadual Paulista (UNESP)
• Language: Portuguese
• Published: Universidade Estadual Paulista (UNESP) 2016
• Subjects: Método de Monte Carlo via cadeias de Markov; Modelo hierárquico bayesiano; Modelo linear generalizado misto; Sistemas fotovoltaicos; Sistema de distribuição elétrico; Bayesian hierarchical model; Electrical distribution systems; Generalized linear mixed model; Markov chain Monte Carlo methods; Photovoltaic systems
• Online Access: http://hdl.handle.net/11449/137801

Submitted by JOÉL VILLAVICENCIO GASTELÚ null ([e-mail]) on 2016-03-30T17:36:01Z No. of bitstreams: 1 Dissertação_Rev1_13 - Joel Gastelu.pdf: 3335802 bytes, checksum: 93fbe0689da0072cc77a9120a8e24b02 (MD5) === Rejected by Juliano Benedito Ferreira ([e-mail]), reason: Solicitamos que realize uma nova submissão seguindo as orientações abaixo: O arquivo submetido está sem a ficha catalográfica. A versão submetida por você é considerada a versão final da dissertação/tese, portanto não poderá ocorrer qualquer alteração em seu conteúdo após a aprovação. Corrija estas informações e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-04-01T13:14:50Z (GMT) === Submitted by JOÉL VILLAVICENCIO GASTELÚ null ([e-mail]) on 2016-04-01T19:04:22Z No. of bitstreams: 1 Dissertação_Joel.pdf: 4253690 bytes, checksum: 75d9921d8416eec7341f8bf0e2182766 (MD5) === Rejected by Ana Paula Grisoto ([e-mail]), reason: Solicitamos que realize uma nova submissão seguindo as orientações abaixo: A data informada na capa do documento está diferente da data de defesa que consta na ficha catalográfica e folha de aprovação. Corrija esta informação no arquivo PDF e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-04-05T13:53:33Z (GMT) === Submitted by JOÉL VILLAVICENCIO GASTELÚ null ([e-mail]) on 2016-04-06T22:35:57Z No. of bitstreams: 1 Dissertação_Joel.pdf: 4231140 bytes, checksum: 4bd6143a52dc3a6846abd4f996ba9306 (MD5) === Approved for entry into archive by Juliano Benedito Ferreira ([e-mail]) on 2016-04-07T12:21:23Z (GMT) No. of bitstreams: 1 gastelu_jv_me_ilha.pdf: 4231140 bytes, checksum: 4bd6143a52dc3a6846abd4f996ba9306 (MD5) === Made available in DSpace on 2016-04-07T12:21:23Z (GMT). No. of bitstreams: 1 gastelu_jv_me_ilha.pdf: 4231140 bytes, checksum: 4bd6143a52dc3a6846abd4f996ba9306 (MD5) Previous issue date: 2016-03-01 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) === No presente trabalho tem-se como objetivo estimar o potencial fotovoltaico devido à instalação de sistemas fotovoltaicos em telhados de áreas residenciais. Na estimação desse potencial foram consideradas quatro grandezas: o nível de irradiação solar, a área aproveitável de telhado para a instalação dos sistemas fotovoltaicos, a eficiência de conversão dos sistemas fotovoltaicos e as probabilidades de instalação dos sistemas fotovoltaicos, que caracterizam as preferências dos habitantes à instalação desses sistemas. Um modelo hierárquico bayesiano foi proposto para o cálculo das probabilidades de instalação dos sistemas fotovoltaicos. Nesse modelo bayesiano é estabelecida uma relação entre as probabilidades de instalação, as variáveis socioeconômicas e as interações entre as subáreas, através de um modelo linear generalizado misto. O cálculo do valor esperado das probabilidades de instalação foi realizado usando o método de Monte Carlo via cadeias de Markov. Os resultados do potencial fotovoltaico são apresentados através de mapas temáticos, que permitem a visualização da distribuição espacial do seu valor esperado. Esta informação pode ajudar as concessionárias de distribuição no planejamento e expansão de suas redes elétricas em regiões com maior potencial de geração fotovoltaica. === The present work aims to estimate the photovoltaic potential for installing solar panel on the rooftop of residential areas. The estimation of this potential considers four quantities: the solar radiation level, rooftop availability for installation of photovoltaic systems, conversion efficiency of the photovoltaic systems and the probabilities for the installation of photovoltaic systems that characterize the preferences of the inhabitants to the installation of such systems. A bayesian hierarchical model is proposed to calculate the installation probabilities of photovoltaic systems. This bayesian model establishes a relation among the installation probabilities, socioeconomic variables and interactions between subareas, through a generalized linear mixed model. The calculation of expected value of installation probabilities in each subarea is performed using the Markov Chain Monte Carlo method. Photovoltaic potential results are presented through thematic maps that allow the visualization of the spatial distribution of its expected value. This information can help to distribution utilities for planning and expansion of their networks in regions with the greatest potential for photovoltaic generation.