The increasing penetration of solar photovoltaic (PV) generation into power systems poses significant operational and planning integration challenges due to the high variability in solar irradiance, which makes PV power forecasting difficult—particularly in the short term. These fluctuations originate from atmospheric dynamics that are only partially captured by numerical weather prediction (NWP) models. In this context, probabilistic forecasting has emerged as a state-of-the-art approach, providing central estimates and additional quantification of uncertainty for decision-making under risk conditions. This work proposes a novel hybrid methodology for day-ahead, hourly resolution point, and probabilistic PV power forecasting. The approach integrates a multiple linear regression (LM) model to predict global tilted irradiance (GTI) from NWP-derived variables, followed by support vector quantile regression (SVQR) applied to the residuals to correct systematic errors and derive GTI quantile forecasts and a linear mapping to PV power quantiles. Robust data preprocessing procedures—including outlier filtering, smoothing, gap filling, and clustering—ensured consistency. The hybrid model was applied to a 960 kWp PV plant in southern Italy and outperformed benchmarks in terms of interval coverage and sharpness while maintaining accurate central estimates. The results confirm the effectiveness of hybrid risk-informed modeling in capturing forecast uncertainty and supporting reliable, data-driven operational planning in renewable energy systems.

A incerteza da produção eólica constitui um desafio para sua integração ao sistema. A sua modelagem no modelo oficial de planejamento da operação no Brasil inclui a avaliação de funções de transferência mensais (FTMs) entre velocidades mensais do vento e produção de energia eólica, e a representação dessas produções mensais no algoritmo PDDE. Dada a indisponibilidade no Brasil de uma base pública de dados horários medidos e pareados de velocidades e produções eólicas, este trabalho apresenta um procedimento desenvolvido e aprimorado para o cálculo das FTMs, usando modelos de regressão linear, através da combinação de dados de reanálises de velocidades horárias do vento (MERRA2/NASA-1980 a 2023), em conjunto com as previsões semi-horárias de velocidades do vento e produções eólicas disponibilizadas pelo sistema Sintegre do ONS (2019-2023). O procedimento é aplicado a parques eólicos equivalentes de 5 regiões representativas de regimes de ventos no Brasil e os resultados discutidos.