A rápida expansão da Micro e Minigeração Distribuída (MMGD) fotovoltaica no Brasil impõe desafios inéditos à operação do Sistema Interligado Nacional (SIN). Para prever com precisão a demanda de carga, é fundamental estimar a geração de energia solar, considerando as particularidades ambientais de cada região e a diversidade técnica dos milhares de geradores distribuídos. Atualmente, o Operador Nacional do Sistema (ONS) adota uma Taxa de Desempenho (Performance Ratio — PR) fixada em 0,80 para calcular a produção fotovoltaica da MMGD em todo o território brasileiro. No entanto, essa metodologia simplificada ignora as variações espaciais, diárias e sazonais significativas, provocadas por fatores climáticos e operacionais específicos de cada local.
Estudo recente concentrou-se no desenvolvimento e no teste de uma metodologia preditiva regionalizada para a geração fotovoltaica distribuída, com o objetivo de apoiar a Gerência de Previsão de Carga do ONS. Uma equipe de pesquisadores do INCT-DAESF investigou se o uso de algoritmos supervisionados de Aprendizado de Máquina (Machine Learning — ML), alimentados por uma base de dados contendo informações de cerca de 9000 geradores fotovoltaicos, juntamente com variáveis solarimétricas e meteorológicas, poderia melhorar a precisão em relação a um modelo de PR fixo de 0,80.
As Bases de Dados e o Controle de Qualidade
Para a realização da análise estatística e do desenvolvimento dos modelos preditivos, foram integradas três famílias de dados referentes ao ano de 2024:
Cadastro Técnico do Parque Gerador: Base cedida pela empresa SOLARZ, contendo o cadastro original de 9.263 usinas fotovoltaicas distribuídas pelo território nacional, incluindo a localização geográfica, a capacidade instalada declarada em corrente contínua (CC) e os registros de inversores em operação.
Registros de Dados de Geração: Série temporal de potência ativa em corrente alternada (CA) e de energia acumulada, obtida a cada 5 minutos diretamente dos inversores cadastrados.
Variáveis Meteorológicas e Solarimétricas: Séries temporais horárias de irradiância solar, temperatura do ar, velocidade do vento, umidade relativa, precipitação e nebulosidade, extraídas da reanálise atmosférica ERA5 do ECMWF (European Centre for Medium-Range Weather Forecasts), além de estimativas de irradiância solar em condições de céu claro obtidas a partir do modelo de Ineichen.
Diante de inconsistências nos registros de dados operacionais brutos, aplicou-se um rigoroso protocolo de controle de qualidade cadastral e operacional para identificar e corrigir registros com falhas de geocodificação (inversões de latitude/longitude e coordenadas ausentes), filtrar inconsistências nas unidades de medida e testar a coerência entre a capacidade instalada em corrente contínua (CC) e a potência nominal em corrente alternada (CA) dos inversores.
Dos 9.263 geradores originais, 8.813 superaram a validação cadastral. Destes, 8.209 apresentaram dados válidos de telemetria e 8.206 possuíram registros suficientes para o cálculo da taxa de desempenho (PR) e para a modelagem preditiva da geração de MMGD fotovoltaica. Após a aplicação de restrições físicas (irradiância solar inferior a 50 W/m²), consolidou-se uma base final qualificada de 7.683 usinas totalmente integradas e temporalmente alinhadas para a etapa de modelagem preditiva.
Regionalização da Razão de Desempenho (PR)
A Taxa de Desempenho normativa (norma IEC 61724-1) utiliza a irradiação solar no plano dos módulos (POA). Diante da indisponibilidade de informação sobre a orientação e inclinação de milhares de sistemas de MMGD, adotou-se o indicador PR_GHI como proxy operacional, calculado a partir da irradiância global horizontal (GHI) extraída da base de dados de reanálise ERA5.
Entre as usinas avaliadas ao longo de 2024, a média diária nacional do PR_GHI foi de 0,74 (mediana: 0,73). Observou-se uma marcante sazonalidade no desempenho em todas as macrorregiões do país, com reduções do indicador durante a estação seca (junho a outubro), motivadas pelo maior acúmulo de sujidade (dias consecutivos sem precipitação ou com precipitação reduzida).
Para capturar esses padrões de variabilidade sem a necessidade de modelar cada gerador individualmente, aplicou-se a Análise de Agrupamento Hierárquico (Cluster Analysis) pelo método aglomerativo de Ward com distância euclidiana. O agrupamento identificou 9 perfis regionais homogêneos de desempenho, apresentados na imagem abaixo, com 3 agrupamentos por subsistema do SIN, exceto no Subsistema Norte, que foi excluído devido à baixa densidade de geradores fotovoltaicos em 2024.
Subsistema Sul: com 3 agrupamentos (S-G1, S-G2, S-G3), englobando um total de 2.548 usinas.
Subsistema Sudeste/Centro-Oeste: 3 agrupamentos (SE/CO-G1, SE/CO-G2, SE/CO-G3), reunindo 4.707 usinas.
Subsistema Nordeste: 3 agrupamentos (NE-G1, NE-G2, NE-G3), totalizando apenas 428 usinas.
Adicionalmente, simulações numéricas complementares de perdas térmicas (conforme método adotado na ferramenta computacional PVsyst®) e de sujidade (modelo de Kimber) indicaram perdas térmicas médias horárias que variaram de 6,38% no Sul a 10,38% no Nordeste, enquanto as perdas por sujidade oscilaram entre 0,51% e 3,97%. A figura acima ilustra a distribuição espacial dos agrupamentos regionais. É importante destacar que os agrupamentos foram definidos com base na variabilidade sazonal da taxa de desempenho dos SFV, sem restrição quanto à localização geográfica do gerador, exceto quanto ao subsistema do SIN. Nota-se a distribuição irregular dos geradores no Subsistema NE, o que indica a baixa representatividade da base de dados de geração nesta região específica. O subsistema SE_CO também apresenta escassez de dados na porção norte dos estados de Mato Grosso, Goiás e Minas Gerais.
Resultados da Modelagem Preditiva com Aprendizado de Máquina
A modelagem preditiva buscou estimar a mediana horária do PR_GHI para cada um dos 9 agrupamentos regionais, permitindo, posteriormente, reconstruir a potência ativa gerada. A escolha de realizar a modelagem preditiva para os agrupamentos regionais (e não para cada uma das usinas) fundamenta-se em razões técnicas, computacionais e operacionais. O parque de geradores MMGD engloba milhares de SFV com enorme diversidade técnica — diferentes inclinações, azimutes, tecnologias de módulos e inversores, níveis variados de sombreamento e até inconsistências ou erros não detectados nos metadados de cadastro das usinas. Diante desse cenário, ajustar modelos individuais geraria uma complexidade computacional desproporcional e deixaria o sistema vulnerável a ruídos locais, sombreamento urbano e falhas operacionais pontuais. A estruturação em agrupamentos regionais homogêneos contorna essas restrições ao reduzir a dimensionalidade do problema e ao utilizar a mediana da razão de desempenho como variável-alvo, o que atenua o impacto de outliers, distorções de medição e erros de metadados não detectados. Por fim, essa escala agregada produz um sinal estatisticamente robusto do comportamento central da geração regional, atendendo perfeitamente ao propósito do ONS de subsidiar a previsão de carga no SIN em nível macro, no qual o comportamento do bloco de geração é o fator determinante.
Avaliaram-se 8 métodos de ML com diferentes níveis de complexidade: Regressão Linear, Random Forest (RF), Extra Trees (ET), HistGradientBoosting (HG), XGBoost (XGB), LightGBM (LGBM), CatBoost (CB) e Redes Neurais do tipo Perceptron Multicamadas (MLP). O desempenho foi avaliado por meio de validação cruzada mensal do tipo leave–one–calendar–month-out ao longo de todos os meses de 2024.
Os resultados demonstraram categoricamente a superioridade dos modelos dinâmicos de Aprendizado de Máquina sobre a referência fixa de PR = 0,80, com destaque para os seguintes aspectos:
- Ganho Preditivo: métodos de ML reduziram as incertezas da previsão nos 9 agrupamentos regionais, com redução do erro RMSE variando de 5,5% (SE/CO-G1) a 41,2% (NE-G3) e 38,8% (SE/CO-G2).
- Superioridade do Boosting: métodos baseados em árvores com aumento de gradiente (Gradient Boosting), em especial o CB que liderou o desempenho em 7 dos 9 agrupamentos regionais.
- Consistência Diária: Em termos de dias operacionais ao longo do ano, os modelos de ML superaram o modelo de PR fixo em até 93,5% dos dias no agrupamento NE-G3, 90,3% no S-G3 e 87,1% no SE/CO-G2.
- Benchmarking vs. Modelos Clássicos: frente a modelos paramétricos clássicos como o Modelo Linear Generalizado (GLM) Gaussiano e o GLM Gamma, os métodos não lineares de ML mantiveram a liderança em acurácia, demonstrando capacidade de capturar os efeitos não lineares e limiares associados à transição de nebulosidade e ao índice de claridade (kt).
Limitações do Estudo
Embora os resultados comprovem a viabilidade da metodologia, o estudo identificou limitações relevantes que devem ser consideradas antes da implantação operacional:
Janela Temporal Restrita: a base de dados cobriu apenas o ano de 2024, permitindo avaliar a dinâmica sazonal, mas impedindo a caracterização da variabilidade interanual do recurso solar e do parque gerador.
Representatividade Espacial Heterogênea: O subsistema Norte precisou ser excluído devido à insuficiência de dados. No Nordeste, 70% dos geradores cadastrados concentravam-se no estado do Rio Grande do Norte, o que resultava em baixíssima representatividade da região que ostenta os maiores índices de irradiação solar do país.
Aproximação Solarimétrica: O uso da irradiância solar no plano horizontal (GHI) em substituição à irradiância real no plano dos módulos (POA) não considera microclimas locais nem geometrias específicas de instalação (inclinação/azimute).
Avaliação Retrospectiva: O treinamento e a validação dos modelos de ML utilizaram séries temporais de reanálise meteorológica, e não previsões meteorológicas em tempo real, o que torna as métricas obtidas potencialmente otimistas.
Recomendações para Próximos Passos
Para a evolução do sistema de previsão de MMGD voltado ao Operador Nacional do Sistema Elétrico (ONS), recomendam-se as seguintes ações estratégicas:
1. Migração para Previsão Numérica do Tempo (PNT): substituir as variáveis preditoras do ERA5 por saídas diretas de modelos operacionais de PNT (como as previsões do ECMWF) ajustadas aos horizontes de programação do ONS.
2. Ampliação da Amostra e Cadastro Técnico: expandir a coleta de dados de geração de MMGD fotovoltaica para abranger múltiplos anos e regiões com escassez de dados observados, aprimorando a auditoria dos metadados de capacidade instalada (CC/CA).
3. Calibração Probabilística: Incorporar modelagem probabilística de incertezas (via função de perda quantílica — pinball loss) para fornecer intervalos de confiança ajustados e monitorar continuamente o drift (deriva) nos atributos meteorológicos.
Informações Institucionais e Contato
Este estudo foi desenvolvido no âmbito do projeto “Aprimoramento do sistema de previsão da irradiância solar e da geração fotovoltaica de sistemas de mini e microgeração (MMGD) – Sistema de Energia do Futuro III” realizado pelo Centro de Gestão de Pesquisa, Desenvolvimento e Inovação com financiamento da cooperação alemã através da GIZ (processo número 83484632).
Pesquisadores do INCT-DAESF que integraram a equipe do projeto: Francisco José Lopes de Lima, Fernando Ramos Martins e Enio Bueno Pereira.
Contato: fernando.martins@unifesp.br
Links relacionados:
https://pvlib-python.readthedocs.io/en/v0.4.3/generated/pvlib.clearsky.ineichen.html
Autores:
Fernando Martins, Ricardo Rüther e Roberto Zilles
