Escolar Documentos
Profissional Documentos
Cultura Documentos
Campinas
2019
UNIVERSIDADE ESTADUAL DE CAMPINAS
Faculdade de Engenharia Elétrica e de Computação
Campinas
2019
COMISSÃO JULGADORA - DISSERTAÇÃO DE MESTRADO
Agradeço,
De maneira muito especial, aos meus pais Perpétua do Socorro e Carlito Ca-
dena e minhas irmãs Keren e Karine, que sempre me apoiaram e incentivaram a alcançar
meus objetivos.
Ao meu orientador, Prof. Dr. Marcelo Gradella Villalva, pela orientação e por
me proporcionar tantas oportunidades.
Ao meu amigo, Prof. Dr. Rubem Cesar Rodrigues Souza, pelos conselhos, re-
visões, sugestões e pela disponibilidade de ajudar em qualquer momento.
Aos meus queridos amigos dos laboratórios LESF e LEPO, e também aos
agregados, por todo o apoio na pesquisa e nas disciplinas.
Aos meus amigos e pessoas queridas, pelo incentivo e por estarem sempre
torcendo por mim.
Tabela 4.1 Ű Valores máximos e desvio padrão dos erros dos ângulos de zênite, azi-
mute e do vetor solar. Os valores estão todos em graus (◇ ). Fonte:
Autoria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Tabela 4.2 Ű Quantis do erro do vetor solar considerando todas as amostras. Os
valores estão todos em ◇ . Fonte: Autoria própria. . . . . . . . . . . . . 55
Tabela 4.3 Ű Quantis 25, 50, 75, 95 e 99 do erro do vetor solar considerando somente
as amostras de ângulo de zênite < 90 ◇ . Os valores estão todos em ◇ .
Fonte: Autoria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Tabela 5.1 Ű EspeciĄcações dos equipamentos utilizados nas simulações. Fonte: Au-
toria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Tabela 5.2 Ű Cenário das simulações. Fonte: Autoria própria. . . . . . . . . . . . . . 65
Tabela 5.3 Ű Resultado das simulações de estimação de geração de energia utilizando
diferentes algoritmos no rastreamento do Sol na localidade Araçari-
guama. Fonte: Autoria própria. . . . . . . . . . . . . . . . . . . . . . . 66
Tabela 5.4 Ű Resultado das simulações de estimação de geração de energia utilizando
diferentes algoritmos no rastreamento do Sol na localidade Cidade do
Cabo. Fonte: Autoria própria. . . . . . . . . . . . . . . . . . . . . . . . 67
Tabela 5.5 Ű Resultado das simulações de estimação de geração de energia utilizando
diferentes algoritmos no rastreamento do Sol na localidade Kiruna.
Fonte: Autoria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Tabela 6.1 Ű EspeciĄcações dos equipamentos utilizados nas simulações. . . . . . . . 73
Tabela 6.2 Ű Tarifas da classe B1 de cada localidade. Fonte: (ANEEL, 2018). . . . . 74
Tabela 6.3 Ű Resultados de diferença de investimento entre sistema com seguidor
solar e sistema Ąxo considerando 8% ao ano de inflação de tarifa de
energia elétrica e 15% ao ano de taxa de desconto. Fonte: Autoria
própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Tabela 6.4 Ű Análise de sensibilidade da localidade Pureza - RN. Fonte: Autoria
própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Tabela 6.5 Ű Análise de sensibilidade da localidade Bom Jesus da Lapa - BA. Fonte:
Autoria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Tabela 6.6 Ű Análise de sensibilidade da localidade Montes Claros - MG. Fonte:
Autoria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Tabela 6.7 Ű Análise de sensibilidade da localidade Franca - SP. Fonte: Autoria própria. 78
Tabela 6.8 Ű Análise de sensibilidade da localidade Manaus - AM. Fonte: Autoria
própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Tabela 6.9 Ű Análise de sensibilidade da localidade Santa Maria - RS. Fonte: Autoria
própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Tabela 6.10ŰAnálise de sensibilidade da localidade Rio de Janeiro - RJ. Fonte: Au-
toria própria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Sumário
1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1 JustiĄcativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.2 Objetivos especíĄcos . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4 Estrutura do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Seguidores solares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1 ClassiĄcação dos seguidores solares . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Descrição das tecnologias de rastreamento . . . . . . . . . . . . . . 24
2.1.1.1 Seguidores solares passivos . . . . . . . . . . . . . . . . . . 24
2.1.1.1.1 Expansão térmica de um fluido . . . . . . . . . . 25
2.1.1.1.2 Expansão térmica de tiras bimetálicas . . . . . . 25
2.1.1.1.3 Molas com efeito de memória de forma . . . . . . 26
2.1.1.2 Seguidores solares ativos . . . . . . . . . . . . . . . . . . . 27
2.1.1.2.1 Baseada em data e hora . . . . . . . . . . . . . . 27
2.1.1.2.2 Microprocessador e sensores eletro-ópticos . . . . 28
2.1.1.2.3 Combinação de sensores e algoritmos baseados
em data e hora . . . . . . . . . . . . . . . . . . . 29
2.1.2 Grau de liberdade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.1.2.1 Seguidores solares de eixo único . . . . . . . . . . . . . . . 30
2.1.2.2 Seguidores solares de eixo duplo . . . . . . . . . . . . . . . 31
2.1.2.2.1 Seguidor solar de eixo duplo tip-tilt . . . . . . . . 32
2.1.2.2.2 Seguidor solar de eixo duplo azimuth-altitude . . 33
2.2 Backtracking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3 A influência da localidade na viabilidade de seguidores solares . . . . . . . 36
3 Algoritmos de cálculo da posição solar . . . . . . . . . . . . . . . . . . . . . 37
3.1 Geometria solar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.1 Declinação solar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.2 Ascensão direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.3 Ângulo horário . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.4 Elevação ou altitude . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.5 Ângulo de zênite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.6 Azimute . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.7 Ângulo de incidência solar . . . . . . . . . . . . . . . . . . . . . . . 40
3.2 Escalas de tempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2.1 Tempo Universal (UT) . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2.2 Tempo Universal Coordenado (UTC) . . . . . . . . . . . . . . . . . 40
3.2.3 Tempo Atômico Internacional (TAI) . . . . . . . . . . . . . . . . . 40
3.2.4 Tempo Terrestre (TT) . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2.5 Dia Juliano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Fatores que influenciam o movimento aparente do Sol . . . . . . . . . . . . 41
3.3.1 Nutação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3.2 Paralaxe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3.3 Refração atmosférica . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3.4 Aberração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4 Histórico dos algoritmos para cálculo da posição do Sol . . . . . . . . . . . 42
3.5 Algoritmo SPA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.6 Algoritmo Grena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.6.1 Parâmetros de entrada . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.6.2 Parâmetros de saída . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.6.3 Construção dos algoritmos . . . . . . . . . . . . . . . . . . . . . . . 46
3.6.3.1 Primeiro passo . . . . . . . . . . . . . . . . . . . . . . . . 47
3.6.3.2 Corpo central . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.6.3.3 Último passo . . . . . . . . . . . . . . . . . . . . . . . . . 48
4 Análise estatística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.1 Estatísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.1.1 Desvio padrão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.1.2 Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.1.3 Quartis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.4 Quantis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.5 Box Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.3.1 Considerando todas as amostras . . . . . . . . . . . . . . . . . . . . 54
4.3.2 Considerando amostras de ângulo de zênite menor que 90◇ . . . . . 56
5 Cálculo de geração de energia - Simulações Python . . . . . . . . . . . . . 60
5.1 Ferramenta PVLIB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6 Análise econômica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.1 Fluxo de caixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2 Análise de investimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2.1 Valor presente líquido . . . . . . . . . . . . . . . . . . . . . . . . . 70
6.2.2 Taxa interna de retorno . . . . . . . . . . . . . . . . . . . . . . . . 70
6.2.3 Tempo de retorno de investimento . . . . . . . . . . . . . . . . . . . 71
6.2.4 Fluxo de caixa incremental . . . . . . . . . . . . . . . . . . . . . . . 71
6.3 Análise de sensibilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.4 Viabilidade econômica de sistemas fotovoltaicos . . . . . . . . . . . . . . . 71
6.5 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.6 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7 Publicações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
7.1 Artigos publicados em congressos . . . . . . . . . . . . . . . . . . . . . . . 84
7.2 Outros artigos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
17
1 Introdução
1.1 JustiĄcativa
Produzir energia elétrica por meio de fontes renováveis é importante para o
meio ambiente, pois contribui para a diminuição da emissão de gases de efeito estufa e
para a redução da dependência de combustíveis fósseis. Além disso, as fontes renováveis de
energia permitem a implementação de um sistema de produção local, o que traz benefícios
em nível econômico e de eĄciência, uma vez que as perdas de energia em transporte são
minimizadas (NASCIMENTO, 2015).
Dentre as várias fontes renováveis de energia, a solar é uma das mais promis-
soras. A Figura 1.1 mostra os dados de capacidade instalada de sistemas fotovoltaicos no
mundo. Em 2010, a potência instalada era de 39.603 MW, e em 2018, 480.357 MW. Ou
seja, em 8 anos houve um crescimento de potência instalada de aproximadamente 440.000
MW. No Brasil, em 2013, a potência instalada de sistemas fotovoltaicos era igual a 5 MW,
e em 2018, 2296 MW (IRENA, 2019).
Figura 1.1 Ű Capacidade instalada de energia solar fotovoltaica no mundo entre os anos
2010 e 2018. Adaptado de (IRENA, 2019)
Capítulo 1. Introdução 18
Figura 1.2 Ű Curva de irradiância global incidente em um painel fotovoltaico Ąxo e com
seguidor solar em condição de céu limpo. Fonte: Autoria própria.
çado com a utilização de seguidores de um eixo, e até 35% com seguidores de dois eixos,
dependendo das condições geográĄcas do local da instalação e da conĄguração do sistema
(SINGH et al., 2018). No entanto, os custos dos equipamentos e de manutenção do sistema
também aumentam, podendo inviabilizar o projeto (SIMON et al., 2013). Portanto, foi
realizada uma análise econômica comparativa entre sistemas fotovoltaicos com estrutura
Ąxa e com seguidores solares levando em consideração os valores de investimento inicial e
os ganhos energéticos.
Esses algoritmos foram escolhidos por serem os únicos que permanecerão vá-
lidos por um tempo aceitável para serem implementados na construção de uma usina de
geração fotovoltaica e funcionarem apropriadamente para o hemisfério sul. Os algoritmos
Grena têm validade entre os anos 2010 e 2110, enquanto o SPA, tem validade entre os
anos Ű 2000 e 6000. Além desses, existem mais dois algoritmos que ainda estão válidos:
o Michalsky (MICHALSKY, 1988), com validade entre os anos 1950 e 2050, porém não
funciona apropriadamente para o hemisfério sul; e o algoritmo proposto pelo mesmo autor
dos Grena 1-5 em 2008, porém, o mesmo expira no ano 2023, inviabilizando sua aplicação
em projetos futuros.
A análise estatística foi feita por meio do cálculo do desvio padrão, do erro
máximo e dos quantis dos seis algoritmos. Em seguida, foram realizadas simulações de es-
timativa de geração de energia com a utilização dos algoritmos mencionados em seguidores
solares.
1.2 Objetivos
1.3 Metodologia
O presente trabalho foi desenvolvido obedecendo as seguintes etapas e proce-
dimentos:
Capítulo 1. Introdução 21
ETAPA 2: Elaborar análise estatística. Nessa etapa foi realizada uma análise
estatística dos erros dos parâmetros de saída que os algoritmos de cálculo da posição solar
apresentam, para avaliar a sua precisão. Foram calculados o valor máximo e o desvio
padrão dos erros do ângulo de zênite e de azimute. Para o erro do vetor solar, foram
calculados o valor máximo e mínimo, o desvio padrão, os quartis e os quantis 95 e 99%.
Foi realizada uma análise considerando todas as amostras e uma análise considerando
apenas amostras com zênite inferior a 90◇ .
ETAPA 4: Nessa etapa foi realizada uma análise comparativa dos algoritmos
estudados.
Mais detalhes sobre cada etapa da metodologia estão apresentados nos capí-
tulos 4, 5 e 6.
2 Seguidores solares
Figura 2.1 Ű ClassiĄcação dos seguidores solares de acordo com sua tecnologia de rastre-
amento e seu grau de liberdade. Fonte: Autoria própria.
Os seguidores solares passivos são projetados para rastrear o Sol sem a uti-
lização de dispositivos eletrônicos, usufruindo principalmente do efeito térmico. Podem
utilizar como atuador a expansão térmica de um fluido, a expansão térmica de tiras bi-
metálicas e ligas com efeito de memória de forma (SINGH et al., 2018).
ativos, devido a sua baixa precisão de rastreamento do Sol. Uma outra desvantagem
desses dispositivos é a impossibilidade de aplicação em regiões de clima frio, uma vez que
necessitam do calor para o seu funcionamento (NSENGIYUMVA et al., 2018).
Figura 2.2 Ű Seguidor solar passivo utilizando tubos cilíndricos preenchidos com um
fluido. Adaptado de (CLIFFORD; EASTWOOD, 2004).
Poulek (POULEK, 1994) desenvolveu um seguidor solar que usufrui desse prin-
cípio, veja Figura 2.3. A radiação solar focada pela lente aquece um dos dois atuadores de
ligas de memória de forma. Uma extremidade dos atuadores é conectada a um estator e a
outra conectada a um rotor. A deformação dos atuadores gira o aparelho até que um foco
da lente atinja um espelho localizado entre as extremidades dos atuadores. Em seguida,
o rastreador e os painéis fotovoltaicos são direcionados para o Sol.
Figura 2.3 Ű Seguidor solar passivo utilizando ligas de memória de forma como atuadores.
Adaptado de (POULEK, 1994).
Capítulo 2. Seguidores solares 27
Figura 2.4 Ű Estrutura genérica do controle em malha aberta de um seguidor solar. Adap-
tado de (NSENGIYUMVA et al., 2018).
Uma vantagem desse algoritmo é o fato de não ser influenciado pelas condições
Capítulo 2. Seguidores solares 28
climáticas, ou seja, mesmo em dias nublados consegue fazer o rastreamento do Sol, e tam-
bém não é afetado pela presença de objetos que causam sombreamento (NASCIMENTO,
2015). Além disso, pode utilizar um único microprocessador para calcular a posição de
várias sheds, tornando sua implementação de custo mais baixo e propícia para aplicação
em usinas de geração fotovoltaica.
Os seguidores solares de eixo único têm somente um eixo de rotação. Podem ser
do tipo horizontalmente alinhado (Horizontal Single Axis Tracker - HSAT), verticalmente
alinhado (Vertical Single Axis Tracker - VSAT), horizontalmente alinhado com inclinação
(Horizontal Tilted Single Axis Tracker - HTSAT) e polar (Polar Aligned Single Axis
Tracker - PASAT). Suas deĄnições são apresentadas a seguir:
2. Seguidor solar de eixo único vertical: No VSAT, o eixo de rotação é vertical ao solo.
Esses sistemas são mais apropriados para regiões de altas latitudes e precisam ser
instalados com espaçamentos maiores para evitar que um sistema cause sombrea-
mento no outro (NSENGIYUMVA et al., 2018). Um VSAT típico pode ser visto na
Figura 2.7b.
3. Seguidor solar de eixo único horizontal inclinado: Esses sistemas operam como o
HSAT, porém, possuem seu eixo de rotação inclinado. São adequados para regiões
Capítulo 2. Seguidores solares 31
4. Seguidor solar de eixo único polar: No PASAT o eixo inclinado está alinhado à
estrela polar (Singh et al., 2018). Nesse sistema o ângulo de inclinação deve ser
igual à latitude do local (NSENGIYUMVA et al., 2018).
Os seguidores solares de eixo duplo possuem dois eixos de rotação que, geral-
mente, são perpendiculares. Eles produzem mais energia que sistemas seguidores solares
de eixo único devido à sua melhor precisão, pois conseguem rastrear o Sol tanto horizon-
talmente, quanto verticalmente (MEREDDY et al., 2016). Por esse motivo, necessitam de
sistemas de controle mais complexos para garantir o seu funcionamento, implicando em
altos custos de aquisição e manutenção. Outra desvantagem desses sistemas é o esforço
ao qual estão sujeitos, principalmente devido ao seu peso e resistência ao vento (RAMOS,
2016).
Capítulo 2. Seguidores solares 33
Figura 2.9 Ű Seguidor solar de dois eixos do tipo Azimuth-altitude. Fonte: Autoria própria.
Figura 2.10 Ű Projeto do seguidor solar de dois eixos azimuth-altitude. Adaptado de (SI-
DEK et al., 2017).
2.2 Backtracking
Um dos problemas do sistema fotovoltaico é a perda por sombreamento cau-
sado pelos próprios painéis fotovoltaicos entre si (VERÍSSIMO, 2017). Para evitar a ocor-
rência desse problema, utilizam-se algoritmos de backtracking. Existem vários algoritmos
de backtracking disponíveis na literatura (Jang et al., 2010; SCHNEIDER, 2012). A imple-
mentação desse algoritmo acontece, normalmente, em usinas, onde o sistema fotovoltaico
está disposto em Ąleiras paralelas de módulos fotovoltaicos.
Figura 2.11 Ű Sistema que utiliza seguidores solares sem algoritmo backtracking. Fonte:
(NASCIMENTO, 2015).
Capítulo 2. Seguidores solares 35
Figura 2.12 Ű Sistema que utiliza seguidores solares com algoritmo backtracking. Fonte:
(NASCIMENTO, 2015).
3.1.6 Azimute
O azimute é o ângulo entre a projeção no plano equatorial da linha imaginária
traçada do ponto de observação até o Sol e a linha que vai do ponto de observação até o
Norte no plano equatorial. O ângulo de azimute pode ser visto na Figura 3.2 (RAMOS,
2016).
Capítulo 3. Algoritmos de cálculo da posição solar 40
3.3.1 Nutação
A nutação é uma oscilação periódica do eixo rotacional da Terra em torno
da sua Şposição médiaŤ. Ela acontece, principalmente, devido a ação da Lua e pode ser
descrita por uma soma de termos periódicos, onde o mais importante deles tem um período
de 6798,4 dias (MEEUS, 1998).
3.3.2 Paralaxe
A paralaxe consiste num deslocamento da direção observada devido ao desloca-
mento do ponto de observação. No cálculo da posição do Sol, é necessário fazer a correção
de paralaxe quando se deseja calcular as coordenadas topocêntricas do Sol, que são as
coordenadas a partir do observador na superfície terrestre (zênite e azimute), quando as
coordenadas globais são conhecidas, que são as coordenadas a partir do centro da Terra
(ascensão direta, declinação e ângulo horário) (MEEUS, 1998).
3.3.4 Aberração
A posição aparente de um planeta sofre um desvio devido ao seu movimento
em relação a um observador, denominado aberração. Esse desvio depende da amplitude
de seu movimento em relação do movimento do observador e está ligado ao fato de ser
Capítulo 3. Algoritmos de cálculo da posição solar 42
Cooper (1969) mencionou o cálculo da posição do Sol apenas como uma simples
etapa para calcular a fração de irradiância solar incidente que é efetivamente utilizada em
sistemas concentrados, sem apontar precisão ou intervalo de validade.
Swift (1976) apresentou o cálculo da posição do Sol como uma etapa do cálculo
da irradiância solar potencial em declives através de medições de irradiância em superfícies
horizontais próximas. O cálculo da posição solar é dado a partir da estimativa da declina-
ção como função da data juliana, o que na época era considerado uma simpliĄcação, pois
evitava a utilização de tabelas para a declinação.
Lamm (1981) propôs uma nova expressão analítica para a equação do tempo
por meio de séries de Fourier com erro absoluto médio de 0,65 segundos, podendo chegar
até 8,5 segundos com a redução da série de Fourier a quatro termos.
SPA foi desenvolvido, com validade entre os anos Ű 2000 e 6000 (REDA et al., 2008).
O SPA foi desenvolvido por Reda e Andreas (REDA; ANDREAS, 2004), pro-
veniente de uma adaptação das equações contidas no livro escrito por Meeus (MEEUS,
1998), The Astronomical Algorithms, com algumas modiĄcações para atender aplicações
de energia solar. Por exemplo, no livro, o ângulo de azimute é medido em direção ao
oeste a partir do Sul, enquanto no SPA, é em direção ao leste a partir do Norte. Além
disso, no livro, a longitude é considerada positivada no oeste de Greenwich, enquanto para
aplicações de energia solar, é considerada positiva ao leste de Greenwich.
1. Data;
2. UTC;
3. UT1;
4. Longitude;
5. Latitude;
6. Elevação;
1. Zênite;
2. Azimute;
O SPA utiliza o Dia Juliano como escala de tempo. Além disso, calcula algumas
variáveis intermediárias, como declinação, ascensão direta e ângulo horário. A partir dessas
Capítulo 3. Algoritmos de cálculo da posição solar 45
variáveis, são calculados os dados de saída listados acima. Tanto as saídas intermediárias
quanto as saídas Ąnais estão disponíveis no site do SPA Calculator (NREL, 2014).
Em sua publicação, Roberto Grena comparou os dados de saída dos cinco al-
goritmos com os do Michalsky (MICHALSKY, 1988), do PSA (BLANCO-MURIEL et al.,
2001) e um algoritmo publicado pelo Grena anteriormente (GRENA, 2008). A comparação
é realizada utilizando 20 milhões de amostras randômicas, por meio do cálculo dos erros
máximos e mínimos e do desvio padrão, tendo como valores de referência os obtidos pelo
SPA (REDA; ANDREAS, 2004). O custo computacional e o tempo de validade também
são comparados. Os erros máximos apresentados pelos cinco algoritmos são 0,2◇ , 0,04◇ ,
0,01◇ , 0,01◇ e 0,0027◇ , respectivamente. O Grena 5 possui melhor precisão, e apesar de ser
o algoritmo mais complexo dos cinco propostos, quando comparado com o SPA, tem uma
complexidade baixa.
2. Dia, mês e ano (y). São simplesmente os números integrais que aparecem na data,
com ranges, 1-31, 1-12 e 2010-2110, respectivamente;
5. Pressão, em atm e;
2. Declinação, em radianos;
O ângulo horário e o azimute são zero quando o Sol está no Sul, pois os algo-
ritmos foram desenvolvidos no hemisfério norte. As coordenadas locais (zênite e azimute)
são referentes a um sistema polar local com o eixo polar ao longo da vertical.
só pode ser utilizada quando a refração atmosférica pode ser desconsiderada. Um outro
problema relacionado a utilização dos algoritmos curtos é que eles só calculam as coorde-
nadas geocêntricas, ou seja, coordenadas que possuem como ponto de observação o centro
da Terra, e do ponto de vista de aplicações em engenharia solar, é conveniente utilizar
um sistema de coordenadas topocêntricas, que tem como ponto de observação a superfície
terrestre.
Nas seções seguintes, serão apresentados, de forma geral, o passo a passo dos
cinco algoritmos propostos por Grena (2012), sem entrar em detalhes no equacionamento.
a. Grena 1
b. Grena 2
c. Grena 3
d. Grena 4
e. Grena 5
4 Análise estatística
Para avaliar a precisão dos algoritmos que calculam a posição do Sol foi reali-
zada uma análise estatística dos erros dos parâmetros de saída que estes apresentam. Neste
capítulo são apresentados os conceitos estatísticos utilizados na análise, a metodologia e
os resultados.
4.1 Estatísticas
O desvio padrão pode não ser uma medida adequada para representar um
conjunto de dados, pois é afetado exageradamente por fatores extremos e não permite a
visualização da simetria ou assimetria da distribuição de dados (BUSSAB; MORETTIN,
2010).
4.1.2 Mediana
A mediana é uma medida de posição e uma separatriz, pois divide o conjunto
ordenado de amostras em duas partes com a mesma quantidade de elementos. O valor da
mediana encontra-se no centro da série estatística, ou seja, indica que 50% das amostras
possuem valor inferior e 50% possuem valor superior (CORREA, 2003).
Denota-se a menor observação por 𝑥(1) , a segunda por 𝑥(2) , e assim por diante,
obtendo-se estatísticas de ordem de acordo com a Equação 4.1, onde 𝑛 é o tamanho de
uma variável 𝑋 (BUSSAB; MORETTIN, 2010).
𝑥( n2 ) + 𝑥( n2 +1)
𝑚𝑑(𝑋) = (4.3)
2
4.1.3 Quartis
Os três quartis 𝑄1 , 𝑄2 e 𝑄3 dividem o conjunto ordenado em quatro partes
iguais, de forma que 1/4 dos dados está abaixo do quartil 𝑄1 , metade dos dados está
abaixo do quartil 𝑄2 e 3/4 dos dados está abaixo do quartil 𝑄3 . Ressaltando que o quartil
𝑄2 equivale à mediana (LARSON; FARBER, 2010).
4.1.4 Quantis
Pode-se deĄnir uma medida chamada quantil da ordem 𝑝, indicada por 𝑞(𝑝).
Sendo 𝑝 uma proporção qualquer, 0 < 𝑝 < 1, tal que 100𝑝% das amostras sejam menores
do que 𝑞(𝑝) (BUSSAB; MORETTIN, 2010). Onde 𝑞(0, 95) é o percentil 95, ou seja, 95%
das amostras possuem valor menor do que o 𝑞(0, 95).
Note que o quantil 𝑞(0, 25) é o quartil 𝑄1 , assim como os quantis 𝑞(0, 50) e
𝑞(0, 75) são os quartis 𝑄2 e 𝑄3 , respectivamente.
Figura 4.1 Ű Informações contidas em um box plot. Fonte: (NETO et al., 2017).
4.2 Metodologia
Para a realização das análises estatísticas, foram coletados dados horários de
zênite e azimute no período de 2018 a 2027, de todos os seis algoritmos analisados: Grena
1-5 e SPA. Portanto, foram coletadas 87.648 amostras de cada algoritmo. Os dados do
Grena foram coletados por meio da compilação do próprio algoritmo disponibilizado pelo
autor em (ENEA, 2012) enquanto os dados do SPA foram coletados no site do NREL
(NREL, 2014).
Um outro parâmetro analisado é o erro angular absoluto local, que neste tra-
balho é chamado de erro do vetor solar (𝐸𝑉 𝑆). Trata-se da distância entre a posição real
do Sol e a posição calculada, sendo obtido por meio da Equação 4.4.
√︁
𝐸𝑉 𝑆 = (Δ𝐴𝑧 sen𝑧)2 + Δ𝑧 2 (4.4)
4.3 Resultados
Nas seguintes subseções, serão apresentados os resultados obtidos considerando
todas as amostras e os resultados obtidos considerando somente as amostras de zênite
menor que 90◇ .
Capítulo 4. Análise estatística 54
Observando a Tabela 4.1, é possível constatar que os valores máximos dos erros
de azimute são maiores do que os valores dos demais parâmetros. Isso se deve à indeĄnição
do azimute quando o ângulo de zênite está próximo de zero, resultando em erros elevados.
Apesar disso, o erro no vetor solar é atenuado, pois, em sua equação, o erro do azimute é
multiplicado pelo seno do zênite.
O algoritmo que apresentou menor valor máximo de erro de azimute foi o Grena
4, com erro equivalente a 2,231508◇ . O SPA apresentou menor valor de erro máximo de
ângulo de zênite e de erro máximo de vetor solar, equivalente a 0,404606◇ e 0,536691◇ ,
respectivamente.
Observou-se uma proximidade dos desvios padrões e valores máximos dos erros
de vetor solar dos algoritmos Grena 3, Grena 4 e Grena 5. A proximidade entre os erros dos
algoritmos 3 e 4 acontece porque eles diferem apenas pela adição da correção de nutação
no algoritmo 4, o que influencia principalmente na precisão das coordenadas globais e
muito pouco na precisão das coordenadas locais, as quais estão sendo analisadas. Porém,
Grena (2012) aĄrma que a complexidade do algoritmo 5 foi aumentada para permitir um
ganho de precisão maior, com erro inferior a 0,01◇ , o que não foi observado nos resultados
apresentados na Tabela 4.1, uma vez que os resultados do algoritmo Grena 5 foram muito
próximos dos resultados dos algoritmos Grena 3 e 4.
Na Tabela 4.2, é possível observar os valores dos quantis 25, 50, 75, 95 e 99%
do erro do vetor solar, levando em consideração todas as amostras. A análise dos quantis
Capítulo 4. Análise estatística 55
é importante, pois permite observar como os erros dos algoritmos se comportam como um
todo, visto que o algoritmo pode ter um erro de vetor solar máximo elevado, referente a
uma amostra isolada, e ter erros de vetor solar baixos em todas as demais amostras.
Tabela 4.2 Ű Quantis do erro do vetor solar considerando todas as amostras. Os valores
estão todos em ◇ . Fonte: Autoria própria.
Quantil 25 50 75 95 99
Grena 1 0,08665 0,13054 0,17089 0,34599 1,184614
Grena 2 0,0088 0,01609 0,027385 0,066761 0,270371
Grena 3 0,00425 0,008269 0,008269 0,055102 0,207045
Grena 4 0,00389 0,007851 0,014463 0,055469 0,209012
Grena 5 0,00431 0,008281 0,015012 0,054724 0,214784
SPA 0,00338 0,007127 0,012792 0,052354 0,171007
Para melhor análise dos quartis, foram plotados os gráĄcos de box plot do erro
do vetor solar, que constam nas Figuras 4.2 e 4.3, onde o gráĄco da Figura 4.2 considera
todas as amostras, e o gráĄco da Figura 4.3 considera somente as amostras do quantil
95 para permitir melhor visualização. O segundo gráĄco também desconsidera o Grena 1,
pois no primeiro gráĄco já é possível perceber que esse tem um desempenho inferior aos
dos demais, devido à sua grande quantidade de outliers.
Figura 4.2 Ű GráĄco de box plot dos algoritmos considerando todas as amostras. Fonte:
Autoria própria.
Capítulo 4. Análise estatística 56
Figura 4.3 Ű GráĄco de box plot dos algoritmos desconsiderando as amostras acima do
quantil 95. Fonte: Autoria própria.
Na Figura 4.3 é possível visualizar que o SPA possui quartis (𝑄1 = 0,0032◇ ;
𝑄2 = 0,0067◇ ; 𝑄3 = 0,0115◇ ) mais baixos que os demais. Da mesma forma, é possível
observar que o Grena 2 possui maiores valores de quartis (𝑄1 = 0,0086◇ ; 𝑄2 = 0,0153◇ ;
𝑄3 = 0,0257◇ ), e, portanto, maior variabilidade. Os quartis dos algoritmos Grena 3, 4 e 5
são próximos, porém é possível constatar que os valores do Grena 4 (𝑄1 = 0,004◇ ; 𝑄2 =
0,0077◇ ; 𝑄3 = 0,0137◇ ) são menores.
Os valores dos quantis 25, 50, 75, 95 e 99% do erro do vetor solar levando em
consideração somente as amostras de ângulo de zênite < 90◇ constam na Tabela 4.3.
Capítulo 4. Análise estatística 57
Tabela 4.3 Ű Quantis 25, 50, 75, 95 e 99 do erro do vetor solar considerando somente as
amostras de ângulo de zênite < 90 ◇ . Os valores estão todos em ◇ . Fonte:
Autoria própria.
Quantil 25 50 75 95 99
Grena 1 0,08755 0,128199 0,163874 0,357018 1,237425
Grena 2 0,00738 0,014011 0,023584 0,041531 0,121087
Grena 3 0,00294 0,005496 0,010366 0,026657 0,057414
Grena 4 0,00298 0,005324 0,010077 0,026533 0,06937
Grena 5 0,00321 0,005735 0,010403 0,026256 0,065056
SPA 0,00211 0,004273 0,007447 0,01384 0,040514
Para melhor visualização, foram plotados os gráĄcos de box plot nas Figuras
4.4 e 4.5. A Figura 4.4 considera todas as amostras de zênite < 90◇ , enquanto a Figura 4.5
desconsidera, além das amostras de zênite > 90◇ , as amostras acima do quantil 95 para
permitir melhor visualização. Pelo mesmo motivo da análise do item 4.3.1, o box plot do
algoritmo Grena 1 também foi excluído na Figura 4.5.
Capítulo 4. Análise estatística 58
Figura 4.4 Ű GráĄco de box plot dos algoritmos considerando as amostras de ângulo de
zênite < 90◇ . Fonte: Autoria própria.
Figura 4.5 Ű GráĄco de box plot dos algoritmos desconsiderando as amostras de zênite
maior que 90◇ e acima do quantil 95. Fonte: Autoria própria.
há uma diminuição nos valores dos quartis, das medianas, dos outliers e na variabilidade
dos algoritmos Grena 2, 3, 4, 5 e SPA, enfatizando um melhor desempenho dos algoritmos
durante o período diurno.
Assim, como na análise anterior, o SPA possui menores valores de quartis (𝑄1
= 0,0021◇ ; 𝑄2 = 0,0042◇ ; 𝑄3 = 0,0073◇ ) e variabilidade, seguido do Grena 4 (𝑄1 = 0,0033◇ ;
𝑄2 = 0,0057◇ ; 𝑄3 = 0,0107◇ ). O Grena 3 e o Grena 5 têm valores próximos aos do Grena
4, porém, possuem quartis e variabilidade maiores.
2. Fornece ferramentas validadas para grupos que não têm a capacidade de desenvolvê-
las;
5. Fornece ferramentas para lidar de forma eĄciente com grandes conjuntos de dados
e;
2. Ângulo de azimute;
7. GCR (Ground Coverage Ratio), corresponde à razão entre a área ocupada pelos
módulos fotovoltaicos e a área total do solo.
5.2 Metodologia
Para avaliar a geração de energia elétrica de seguidores solares utilizando dife-
rentes algoritmos de cálculo da posição solar, foram realizadas simulações de um sistema
fotovoltaico de 3,72 kWp, composto por dois seguidores solares de eixo único horizon-
tal, cada um contendo 6 painéis de 310 Wp. As especiĄcações dos painéis e do inversor
utilizados nas simulações constam na Tabela 5.1.
Tabela 5.1 Ű EspeciĄcações dos equipamentos utilizados nas simulações. Fonte: Autoria
própria.
utiliza uma versão simpliĄcada do SPA, onde foram desconsiderados alguns coeĄcientes.
O dado de energia gerada por esse sistema foi utilizado para veriĄcar se os resultados das
simulações são conĄáveis.
Neste estudo, o NOAA é utilizado para o cálculo da posição real do Sol, uma
vez que ele utiliza o algoritmo de Meeus (1998), simpliĄcado pela maioria dos algoritmos,
como pode ser visto no Capítulo 3.
5.3 Resultados
Na Tabela 5.3, constam os resultados das simulações de estimação de geração
de energia com a utilização de diferentes algoritmos no rastreamento do Sol na localidade
Araçariguama.
Tabela 5.3 Ű Resultado das simulações de estimação de geração de energia utilizando dife-
rentes algoritmos no rastreamento do Sol na localidade Araçariguama. Fonte:
Autoria própria.
Tabela 5.4 Ű Resultado das simulações de estimação de geração de energia utilizando di-
ferentes algoritmos no rastreamento do Sol na localidade Cidade do Cabo.
Fonte: Autoria própria.
Tabela 5.5 Ű Resultado das simulações de estimação de geração de energia utilizando di-
ferentes algoritmos no rastreamento do Sol na localidade Kiruna. Fonte:
Autoria própria.
Nas simulações realizadas para a localidade Kiruna, o SPA obteve menor erro
em relação ao cenário ideal, igual a 0,0004%, seguido dos algoritmos Grena 3, 4 e 5, com
erro de 0,0425%.
desprezada. Portanto, o usuário pode utilizar qualquer algoritmo sem perdas signiĄcativas
de geração de energia.
69
6 Análise econômica
Para a determinação do período 𝑛 deve ser considerada a vida útil dos equi-
pamentos a serem adquiridos e das instalações a serem construídas. A taxa mínima de
atratividade (TMA) 𝑖 deve representar a expectativa mínima de retorno do capital inves-
tido.
n
𝐹 𝐶t 𝑉𝑅
𝑉 𝑃 𝐿 = ⊗𝐼 + +
∑︁
(6.1)
t=1 (1 + 𝑖) (1 + 𝑖)n
t
n
𝐹 𝐶t 𝑉𝑅
𝑉 𝑃 𝐿 = ⊗𝐼 + + =0
∑︁
(6.2)
t=1 (1 + 𝑖) (1 + 𝑖)n
t
O fluxo de caixa é composto por uma despesa inicial que corresponde ao in-
vestimento inicial para aquisição e instalação do sistema. Os demais termos do fluxo de
caixa são compostos de acordo com a Equação 6.3.
𝐹t = 𝐸t × 𝑇 𝐸t ⊗ 𝐷t ⊗ 𝑂&𝑀t (6.3)
Tarifa +
Cidades
impostos (R$/kWh)
Pureza (RN) 0,62319
Bom Jesus da Lapa (BA) 0,74618
Montes Claros (MG) 0,87228
Franca (SP) 0,64477
Manaus (AM) 0,76253
Santa Maria (RS) 0,77882
Teresópolis (RJ) 0,85526
6.6 Resultados
As irradiâncias globais e difusas anuais médias de cada cidade, de acordo com
a base de dados Meteonorm 7.2, são mostradas na Figura 6.3, que mostra os resultados de
acordo com a ordem decrescente de irradiância global. Os resultados de energia injetada
na rede anualmente para cada cidade são mostrados na Figura 6.4. Nas Ąguras a seguir,
cada cidade é representada pela sigla do respectivo estado para que a imagem não Ąque
poluída, portanto, vale ressaltar que os resultados são referentes às cidades e não ao estado.
Figura 6.3 Ű Irradiância global e direta em cada localidade. Fonte: Dados da Meteonorm
7.2 disponibilizados pelo PVSyst÷R
.
Capítulo 6. Análise econômica 76
Figura 6.4 Ű Energia injetada na rede anualmente em cada localidade. Fonte: Autoria
própria a partir do PVSyst÷.
R
A Tabela 6.3 mostra o ganho de geração de energia obtido pelo sistema com
seguidor solar de um eixo em comparação com o sistema Ąxo e os resultados de diferença
de investimentos iniciais obtidos, considerando uma inflação de tarifa de energia elétrica
de 8% ao ano e uma taxa de desconto de 15% ao ano.
Tabela 6.3 Ű Resultados de diferença de investimento entre sistema com seguidor solar e
sistema Ąxo considerando 8% ao ano de inflação de tarifa de energia elétrica
e 15% ao ano de taxa de desconto. Fonte: Autoria própria.
As Tabelas 6.4, 6.5, 6.6, 6.7, 6.8, 6.9 e 6.10 mostram os resultados da análise
de sensibilidade das localidades RN, BA, MG, SP, AM, RS e RJ, respectivamente.
Tabela 6.4 Ű Análise de sensibilidade da localidade Pureza - RN. Fonte: Autoria própria.
Tabela 6.5 Ű Análise de sensibilidade da localidade Bom Jesus da Lapa - BA. Fonte: Au-
toria própria.
Capítulo 6. Análise econômica 78
Tabela 6.6 Ű Análise de sensibilidade da localidade Montes Claros - MG. Fonte: Autoria
própria.
Tabela 6.7 Ű Análise de sensibilidade da localidade Franca - SP. Fonte: Autoria própria.
Capítulo 6. Análise econômica 79
Tabela 6.8 Ű Análise de sensibilidade da localidade Manaus - AM. Fonte: Autoria própria.
Tabela 6.9 Ű Análise de sensibilidade da localidade Santa Maria - RS. Fonte: Autoria
própria.
Capítulo 6. Análise econômica 80
Tabela 6.10 Ű Análise de sensibilidade da localidade Rio de Janeiro - RJ. Fonte: Autoria
própria.
Conclusão
Além disso, nas demais análises de erro apresentadas na literatura, foram le-
vados em consideração apenas os erros máximos e mínimos e o desvio padrão. Enquanto
neste trabalho, os quantis também foram analisados, o que permite analisar como os erros
de um algoritmo se comportam como um todo, pois eles podem ter erros de vetor solar
máximo muito altos referentes a uma amostra isolada, e ter erros de vetor solar baixos
em todas as demais amostras.
para que as perdas de geração de energia por meio de sistemas fotovoltaicos passem a ser
signiĄcativas. Esses resultados podem permitir a utilização de algoritmos mais adequados.
7 Publicações
Abstract - Sun position calculation algorithms are widely used in solar tracker
photovoltaic plants and softwares to design photovoltaic projects. The scientiĄc commu-
nity has several algorithms that compute the sun position, and they vary in accuracy,
complexity and validity time. The accuracy analysis of the algorithms is important be-
cause the different applications require different levels of accuracy. In applications such
as measuring instrument callibration, e.g., it is required high precision algorithms. This
work presents a statistical analysis of the accuracy of two sun position algorithms: the
algorithm proposed by Ineichen, which is used for PVSyst÷
R
software, and the Solar Posi-
tion Algorithm, taking into consideration both the standard deviation and the maximum
errors, as well as quartiles and quantiles. The algorithm that has the highest accuracy is
the SPA, where 99% of the samples have solar vector errors below 0.1187695◇ .
Referências
ANDREWS, R. W.; STEIN, J. S.; HANSEN, C.; RILEY, D. Introduction to the open
source PVLIB for python Photovoltaic system modelling package. 2014 IEEE 40th
Photovoltaic Specialist Conference, PVSC 2014, IEEE, p. 170Ű174, 2014. Citado na
página 61.
ANEEL. Consumidores, Consumo, Receita e Tarifa Média Ű Empresa, Classe de
Consumo e Nível de Tensão. 2018. Disponível em: <http://www2.aneel.gov.br/area.
cfm?idArea=550>. Citado 2 vezes nas páginas 11 e 74.
ARCHER, C. B. Comments on "calculating the position of the sun". Solar Energy, v. 25,
n. 1, p. 91, 1980. ISSN 0038092X. Citado na página 42.
BAHRAMI, A.; OKOYE, C. O.; ATIKOL, U. The effect of latitude on the
performance of different solar trackers in Europe and Africa. Applied Energy,
Elsevier Ltd, v. 177, p. 896Ű906, 2016. ISSN 03062619. Disponível em: <http:
//dx.doi.org/10.1016/j.apenergy.2016.05.103>. Citado na página 36.
BLANC, P.; WALD, L. The SG2 algorithm for a fast and accurate computation
of the position of the Sun for multi-decadal time period. Solar Energy, Elsevier
Ltd, v. 86, n. 10, p. 3072Ű3083, 2012. ISSN 0038092X. Disponível em: <http:
//dx.doi.org/10.1016/j.solener.2012.07.018>. Citado 2 vezes nas páginas 19 e 37.
BLANCO-MURIEL, M.; ALARCÓN-PADILLA, D. C.; LÓPEZ-MORATALLA, T.;
LARA-COIRA, M. Computing the solar vector. Solar Energy, v. 70, n. 5, p. 431Ű441,
2001. ISSN 0038092X. Citado 3 vezes nas páginas 19, 37 e 45.
BORDEAUX-RÊGO, R.; PAULO, G. P.; SPRITZER, I. M. d. P. A.; ZOTES, L. P.
Viabilidade econômico-Ąnanceira de projetos. 4. ed. Rio de Janeiro: FGV, 2013. Citado
3 vezes nas páginas 69, 70 e 71.
BUSSAB, W. d. O.; MORETTIN, P. A. Estatística Básica. 6. ed. Sâo Paulo: Saraiva,
2010. 557 p. ISBN 9788502081772. Citado 2 vezes nas páginas 50 e 51.
CLIFFORD, M. J.; EASTWOOD, D. Design of a novel passive solar tracker. Solar
Energy, v. 77, n. 3, p. 269Ű280, 2004. ISSN 0038092X. Citado 4 vezes nas páginas 9, 25,
26 e 36.
COOPER, P. I. The absorption of radiation in solar stills. Solar Energy, v. 12, n. 3, p.
333Ű346, 1969. ISSN 0038092X. Citado 3 vezes nas páginas 19, 37 e 42.
CORREA, S. M. B. B. Probabilidade e Estatística. 2. ed. [S.l.]: PUC MINAS, 2003.
116 p. Citado na página 50.
DEGERATU, S.; ALBOTEANU, L. Active Solar Panel Tracking System Actuated by
Shape Memory Alloy Springs. ICATE, n. October, 2014. Citado na página 26.
DUFFIE, J. A.; BECKMAN, W. A. Solar Engineering of Thermal Processes. 2. ed.
John Wiley & Sons, Inc., 2013. 928 p. ISSN 01996231. ISBN 1118418123. Disponível em:
<http://doi.wiley.com/10.1002/9781118671603.ch23>. Citado 2 vezes nas páginas 40
e 56.
Referências 88
GRENA, R. An algorithm for the computation of the solar position. Solar Energy, v. 82,
n. 5, p. 462Ű470, 2008. ISSN 0038092X. Citado 3 vezes nas páginas 19, 37 e 45.
GRENA, R. Five new algorithms for the computation of sun position from 2010 to 2110.
Solar Energy, Elsevier Ltd, v. 86, n. 5, p. 1323Ű1337, 2012. ISSN 0038092X. Disponível
em: <http://dx.doi.org/10.1016/j.solener.2012.01.024>. Citado 10 vezes nas páginas
19, 37, 45, 47, 48, 49, 50, 53, 54 e 81.
Guerriero, P.; Coppola, M.; Spina, I.; Matacena, I.; Daliento, S. A voltage divider
strategy for reducing the hot spot temperature in partially shaded solar panels. In: 2017
6th International Conference on Clean Electrical Power (ICCEP). [S.l.: s.n.], 2017. p.
53Ű57. ISSN 2474-9664. Citado na página 35.
Jang, M.; Choi, J.; Ko, J.; Mun, J.; Chung, D. Control of a novel pv tracking system
considering the shadow influence. In: ICCAS 2010. [S.l.: s.n.], 2010. p. 1229Ű1234.
Citado na página 34.
LAMM, L. A new analytic expression for the equation of time. Solar Energy, v. 26, n. 1,
p. 465, 1981. Citado 3 vezes nas páginas 19, 37 e 43.
LARSON, R.; FARBER, B. Estatística Aplicada. 4. ed. São Paulo: Pearson Prentice
Hall, 2010. Citado na página 51.
LI, G.; TANG, R.; ZHONG, H. Optical performance of horizontal single-axis tracked
solar panels. Energy Procedia, v. 16, n. PART C, p. 1744Ű1752, 2011. ISSN 18766102.
Disponível em: <http://dx.doi.org/10.1016/j.egypro.2012.01.270>. Citado na página
31.
LI, Z.; LIU, X.; TANG, R. Optical performance of vertical single-axis tracked solar
panels. Renewable Energy, Elsevier Ltd, v. 36, n. 1, p. 64Ű68, 2011. ISSN 09601481.
Disponível em: <http://dx.doi.org/10.1016/j.renene.2010.05.020>. Citado na página
31.
Inspira’s cpv sun tracking. In: LUQUE, A. L.; VIACHESLAV, A. (Ed.). Concentrator
Photovoltaics. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007. p. 221Ű251. ISBN
978-3-540-68798-6. Disponível em: <https://doi.org/10.1007/978-3-540-68798-6_11>.
Citado na página 28.
MEREDDY, D.; Vijaya Rama Raju, V.; SADULA, T. Smart Dual Axes Solar tracking.
International Conference on Energy Systems and Applications, ICESA 2015, n. 978, p.
370Ű374, 2016. Citado 2 vezes nas páginas 29 e 31.
MOUSAZADEH, H.; KEYHANI, A.; JAVADI, A.; MOBLI, H.; ABRINIA, K.; SHARIFI,
A. A review of principle and sun-tracking methods for maximizing solar systems output.
Renewable and Sustainable Energy Reviews, v. 13, n. 8, p. 1800Ű1818, 2009. ISSN
13640321. Citado 2 vezes nas páginas 27 e 29.
NGUYEN, N. Solar Tracking System. Solar Energy, n. May, p. 34Ű55, 2014. ISSN
1939-7038. Citado na página 25.
NREL. U.S. Solar Photovoltaic System Cost Benchmark: Q1 2017. n. September, 2017.
Disponível em: <http://www.osti.gov/servlets/purl/1395932/>. Citado 2 vezes nas
páginas 10 e 72.
NSENGIYUMVA, W.; CHEN, S. G.; HU, L.; CHEN, X. Recent advancements and
challenges in Solar Tracking Systems (STS): A review. Renewable and Sustainable Energy
Reviews, Elsevier Ltd, v. 81, n. April 2017, p. 250Ű279, 2018. ISSN 18790690. Disponível
em: <http://dx.doi.org/10.1016/j.rser.2017.06.085>. Citado 6 vezes nas páginas 9, 25,
27, 29, 30 e 31.
PEREZ, R.; INEICHEN, P.; SEALS, R.; MICHALSKY, J.; STEWART, R. Modeling
daylight availability and irradiance components from direct and global irradiance. Solar
Energy, v. 44, n. 5, p. 271Ű289, 1990. ISSN 0038092X. Citado na página 73.
Referências 91
PITMAN, C. L.; VANT-HULL, L. L. Errors in locating the Sun and their effect on solar
intensity predictions. 1978. 701Ű706 p. Citado 3 vezes nas páginas 19, 37 e 42.
POULEK, V. Testing the New Solar Tracker with Shape Memory Alloy Actors. First
WCPEC, p. 1131Ű1133, 1994. Citado 2 vezes nas páginas 9 e 26.
REDA, I.; ANDREAS, A. Solar position algorithm for solar radiation applications. Solar
Energy, v. 76, n. 5, p. 577Ű589, 2004. ISSN 0038092X. Citado 8 vezes nas páginas 19,
20, 37, 40, 44, 45, 48 e 81.
REDA, I.; ANDREAS, A.; NREL, A. A. Solar Position Algorithm for Solar Radiation
Applications (Revised). Nrel/Tp-560-34302, n. January, p. 1Ű56, 2008. ISSN 0038-092X.
Citado na página 44.
SEME, S.; SRPČIČ, G.; KAVŠEK, D.; BOŽIČNIK, S.; LETNIK, T.; PRAUNSEIS, Z.;
ŠTUMBERGER, B.; HADŽISELIMOVIĆ, M. Dual-axis photovoltaic tracking system
Ű Design and experimental investigation. Energy, v. 139, p. 1267Ű1274, 2017. ISSN
03605442. Citado 3 vezes nas páginas 9, 29 e 30.
SIDEK, M. H.; AZIS, N.; HASAN, W. Z.; Ab Kadir, M. Z.; SHAFIE, S.; RADZI, M. A.
Automated positioning dual-axis solar tracking system with precision elevation and
azimuth angle control. Energy, v. 127, p. 803, 2017. ISSN 03605442. Citado 3 vezes nas
páginas 9, 33 e 34.
SIMON, J.; MOSEY, G.; SIMON, J.; MOSEY, G. Feasibility Study of Economics and
Performance of Solar Photovoltaics at the VAG Mine Site in Eden and Lowell , Vermont
A Study Prepared in Partnership with the Environmental Protection Agency for the
RE-Powering America ’ s Land Initiative : Siting Renewable Energy on Potentially
Contaminated Land and Mine Sites Feasibility Study of Economics and Performance
of Solar Photovoltaics at the VAG Mine Site in Eden and Lowell , Vermont A Study
Prepared in Partnership with the Environmental Protection Agency for the RE-Powering
America ’ s Land Initiative : Siting Renewable Energy on Potentially Contaminated
Land and Mine Sites. n. April, 2013. Citado 2 vezes nas páginas 19 e 23.
Referências 92
SINGH, R.; KUMAR, S.; GEHLOT, A.; PACHAURI, R. An imperative role of sun
trackers in photovoltaic technology: A review. Renewable and Sustainable Energy
Reviews, Elsevier Ltd, v. 82, n. April 2017, p. 3263Ű3278, 2018. ISSN 18790690.
Disponível em: <https://doi.org/10.1016/j.rser.2017.10.018>. Citado 5 vezes nas
páginas 19, 23, 24, 32 e 33.
WALRAVEN, R. Erratum. Solar Energy, v. 22, p. 195, 1979. Citado na página 42.