Smart energy: application of the photovoltaic system using genetic algorithms for decision making in industry 4.0

Página do item simplificado
dc.contributor.advisorLEITE, Jandecy Cabral
dc.creatorOLIVEIRA, Adriana Waschington Carneiro de; SILVA, Simone da; ALMEIDA, Anderson Alexandre Silva de; MONTEIRO, Odilon Bentes; RIBEIRO, Paulo Francisco da Silva; NASCIMENTO FILHO, Alarico Gonçalves do
dc.date.accessioned2025-01-31T21:44:31Z
dc.date.issued2024
dc.description.abstractThe growing demand for sustainable solutions and the digitalization of industrial processes have driven the adoption of photovoltaic systems and advanced decision-making technologies. In the context of Industry 4.0, where automation and artificial intelligence are fundamental, these systems stand out as a clean energy alternative, promoting savings and reducing pollutant emissions. This study aims to develop a photovoltaic energy control model that uses genetic algorithms to optimize energy efficiency in industrial environments, reducing costs and dependence on non-renewable sources. The methodology included the computational modeling of a photovoltaic system and the application of genetic algorithms to optimize parameters such as panel angle and operating hours, adapting the system in real time to variable consumption and generation conditions. The results showed that the use of genetic algorithms increased the system's efficiency by up to 20% compared to traditional methods, as well as minimizing consumption from the electricity grid at peak times. This study reinforces the importance of artificial intelligence in optimizing renewable resources, contributing to energy efficiency and sustainability in Industry 4.0.
dc.description.resumoA crescente demanda por soluções sustentáveis e a digitalização dos processos industriais têm impulsionado a adoção de sistemas fotovoltaicos e tecnologias de tomada de decisão avançada. No contexto da Indústria 4.0, onde a automação e a inteligência artificial são fundamentais, esses sistemas se destacam como uma alternativa de energia limpa, promovendo economia e redução de emissões de poluentes. Este estudo objetiva desenvolver um modelo de controle de energia fotovoltaica que utiliza algoritmos genéticos para otimizar a eficiência energética em ambientes industriais, reduzindo custos e a dependência de fontes não-renováveis. A metodologia incluiu a modelagem computacional de um sistema fotovoltaico e a aplicação de algoritmos genéticos para otimizar parâmetros como ângulo dos painéis e horários de operação, adaptando o sistema em tempo real às condições variáveis de consumo e geração. Os resultados mostraram que o uso de algoritmos genéticos aumentou a eficiência do sistema em até 20% comparado a métodos tradicionais, além de minimizar o consumo da rede elétrica em horários de pico. Este estudo reforça a importância da inteligência artificial na otimização de recursos renováveis, contribuindo para eficiência energética e sustentabilidade na Indústria 4.0.
dc.description.sponsorshipNão se aplica.
dc.formatpdf.
dc.identifier.citationOLIVEIRA, Adriana Waschington Carneiro de et al. Smart energy: application of the photovoltaic system using genetic algorithms for decision making in industry 4.0. Revista de Gestão e Secretariado (GeSec), v. 15, n. 12, p. 01-27, 2024. Disponível em: http://doi.org/10.7769/gesec.v15i12.4438.
dc.identifier.urihttps://rigalileo.itegam.org.br/handle/123456789/320
dc.languageen
dc.publisherInstituto de Tecnologia e Educação Galileo da Amazônia
dc.publisher.countryBrasil
dc.publisher.departmentPró-Reitoria de Pesquisa e Pós-Graduação
dc.publisher.initialsITEGAM/PPGEGPSA
dc.publisher.programPrograma de Pós-graduação em Engenharia, Gestão de Processos, Sistema e Ambiental
dc.subjectSmart Energy
dc.subjectSistemas Fotovoltaicos
dc.subjectAlgoritmos Genéticos
dc.subjectIndústria 4.0
dc.subjectEficiência Energética
dc.subject.cnpqEngenharias
dc.titleSmart energy: application of the photovoltaic system using genetic algorithms for decision making in industry 4.0
dc.typeArtigo

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
87.ARTIGO ADRIANA WASCHINGTON.pdf
Tamanho:
702.97 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Artigos