Mapeamento Geotécnico para Fundações de Usinas Fotovoltaicas Utilizando Algoritmo de Machine Learning

TCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Civil.A energia solar fotovoltaica é uma fonte de energia renovável e que não emite carbono durante a produção de energia, com expectativa de se tornar a principal fonte da matriz brasileira até 2040. A montagem dos equipamentos de usinas fotovoltaicas é um processo repetitivo e rápido. Buscando estender esse ritmo acelerado para o restante da obra, a preferência para a fundação dos painéis tem sido o uso de estacas metálicas cravadas. Sondagens SPT (Standard Penetration Test) auxiliam no dimensionamento das fundações e em estimativas das áreas passíveis de cravação dentro do terreno de uma futura usina. Devido às grandes dimensões das usinas, tornase economicamente inviável realizar sondagens SPT com a mesma densidade recomendada para edificações. Através do Scorpan, modelo derivado da Pedologia, identificou-se 29 covariáveis ambientais – derivadas do modelo digital de elevação SRTM e uma imagem do satélite Landsat 8 – que representassem fatores de formação do solo. Em seguida, utilizou-se o algoritmo random forest para construir um modelo relacionando as covariáveis com os números de golpes de 74 ensaios SPT do terreno de uma usina de 10,2 km² no semiárido brasileiro, nas profundidades de 1, 2 e 3 metros. O modelo construído foi utilizado para criar mapas de NSPT, que, por sua vez, foram utilizados para criar mapas de cravabilidade com base em um NSPT limite de cravação. As variáveis mais importantes foram Altimetria, Clay Index, Precipitação Anual e Isotermalidade. Para a profundidade de 1 metro, o modelo apresentou R² = 0,43 e RMSE = 4,93; para a profundidade de 2 metros, R² = 0,41 e RMSE = 18,44; e para a profundidade de 3 metros, R² = 0,25 e RMSE = 17,66. Na falta de mapeamentos de NSPT que avaliassem seu desempenho através do coeficiente de determinação R², os resultados foram comparados com mapeamentos de textura do solo, em especial um mapeamento também localizado no semiárido brasileiro. Conclui-se que o desempenho do mapeamento é condizente com a literatura disponível e que os mapas permitem uma boa visualização do comportamento e distribuição dos valores de NSPT no terreno, auxiliando na tomada de decisões sobre as fundações.Photovoltaic solar energy is a renewable source that does not emit carbon during energy production, and is expected to become the main source of the Brazilian energy matrix up to 2040. The assembly of a photovoltaic power plant's equipments is a repetitive and fast process. Looking to extend this fast pace to the whole construction, the preference for the panels foundations has been the use of driven steel piles. Standard Penetration Tests (SPT) assist in the foundations design and in estimating the areas in the power plant lands that are liable to pile driving. Due to the large dimensions of the power plants, it becomes economically unfeasible to perform SPT with the same density recommended for buildings. Through Scorpan, a framework derived from Pedology, 29 environmental covariates were identified - derived from SRTM data and a Landsat 8 image - that represented soil formation factors. Then, the random forest algorithm was used to build a model associating the covariates with the number of blows of 74 SPT on the terrain of a 10.2 km² plant in the Brazilian semiarid region, at depths of 1, 2 and 3 meters. The built model was used to create NSPT maps, which, in turn, were used to create drivability maps based on an NSPT limit for driving piles. The most important variables were Altitude, Clay Index, Annual Precipitation and Isothermality. For a depth of 1 meter, the model showed R² = 0,43 and RMSE = 4.93; for a depth of 2 meters, R² = 0,41 and RMSE = 18.44; and for the depth of 3 meters, R² = 0,25 and RMSE = 17.66. In the lack of NSPT mappings that evaluated its mapping performance through the determination R², the results were compared with soil texture mappings, especially a also located in the Brazilian semiarid region. It is concluded that the performance of the mapping is consistent with the available literature and that the maps allow a good visualization of the behavior and distribution of NSPT values on the terrain, assisting the foundations decision making process