BIA - IFPI Campus Pedro II Tecnologia Tecnologia em Análise e Desenvolvimento de Sistemas - Pedro II
Use este identificador para citar ou linkar para este item: https://bia.ifpi.edu.br/jspui/handle/123456789/5929
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMesquita, Vinícius Mendes de-
dc.date.accessioned2026-09-14T18:49:02Z-
dc.date.available2026-09-14T18:49:02Z-
dc.date.issued2026-
dc.identifier.urihttps://bia.ifpi.edu.br/jspui/handle/123456789/5929-
dc.description.abstractClimate change and the rising emission of greenhouse gases have driven the search for sustainable energy sources in order to mitigate climate change. In Brazil, solar energy has gained increasing prominence as one of the main sources driving the expansion of the national electricity grid. Within this context, machine learning-based solutions have been developed to support decisionmaking regarding growth trends in the solar energy sector. This study addresses the development of a machine learning model capable of estimating installed power capacity (measured in kW) using solar energy generation data from the state of Piauí. This research may serve as a complement to other studies seeking to develop machine learning-based solutions for the solar energy sector, and may also serve as a reference for research aiming to apply machine learning in other contexts of renewable energy generation, thereby contributing to a broader understanding of sustainable energy planning across the country overall.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia do Piauípt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectMachine learningpt_BR
dc.subjectEnergia solarpt_BR
dc.subjectPotência instaladapt_BR
dc.subjectEnergias renováveispt_BR
dc.titleModelagem preditiva do crescimento do setor de energia solar no Piauípt_BR
dc.title.alternativePredictive modeling of the solar energy sector growth in Piauípt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1739839031223889pt_BR
dc.contributor.advisor1Silva, Antônio de Alencar Costa-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0306045996849289pt_BR
dc.contributor.advisor-co1Abreu, Maria Hellem Teixeira-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3801221786384135pt_BR
dc.contributor.referee1Silva, Antônio de Alencar Costa-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0306045996849289pt_BR
dc.contributor.referee2Barros, Anderson dos Reis-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6216949273438329pt_BR
dc.contributor.referee3Linhares, Danillo Moretti Godinho-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/8206898836499543pt_BR
dc.contributor.referee4Abreu, Maria Hellem Teixeira-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/3801221786384135pt_BR
dc.description.resumoAs mudanças climáticas e o aumento da emissão dos gases responsáveis pelo efeito estufa têm impulsionado a busca por fontes de energia sustentáveis, a fim de amenizar as mudanças climáticas. No Brasil, a energia solar tem ganhado mais espaço como uma das principais fontes de expansão da matriz elétrica nacional. Nesse contexto, soluções baseadas em machine learning vêm sendo desenvolvidas com a finalidade de auxiliar a tomada de decisão sobre as tendências de crescimento do setor de energia solar. O presente trabalho aborda o desenvolvimento de um modelo de machine learning capaz de estimar a potência instalada (medida em kW) utilizando dados de geração de energia solar do Piauí. Esta pesquisa pode ser um complemento a outras pesquisas que buscam desenvolver soluções utilizando modelos de machine learning para setor de energia solar, como também, servir de referência para pesquisas que buscam implementar machine learning em outros contextos de geração de energias renováveis.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Pedro IIpt_BR
dc.publisher.initialsIFPIpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:Tecnologia em Análise e Desenvolvimento de Sistemas - Pedro II

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2026_tcc_vmmesquita.pdf322.57 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.