Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica

RESUMEN : El pronóstico de la energía solar fotovoltaica es cada vez más importante para los operadores de los sistemas eléctricos, dada la naturaleza incierta de la fuente primaria y su continua integración en estos. Por tanto, para una correcta operación de los sistemas eléctricos es necesario con...

Full description

Autores:
Jaramillo Duque, Álvaro
Tipo de recurso:
Tesis
Fecha de publicación:
2022
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/29149
Acceso en línea:
http://hdl.handle.net/10495/29149
Palabra clave:
Análisis de datos
Data analysis
Radiación solar
Solar radiation
Aprendizaje automático (inteligencia artificial)
Machine learning
Generación de energía fotovoltaica
Photovoltaic power generation
Solar energy
Energía solar
Técnicas de predicción
Forecasting
http://aims.fao.org/aos/agrovoc/c_3041
http://vocabularies.unesco.org/thesaurus/concept2214
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
id UDEA2_25162ebd641cc8cb5155b276cb9eec60
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/29149
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
title Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
spellingShingle Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
Análisis de datos
Data analysis
Radiación solar
Solar radiation
Aprendizaje automático (inteligencia artificial)
Machine learning
Generación de energía fotovoltaica
Photovoltaic power generation
Solar energy
Energía solar
Técnicas de predicción
Forecasting
http://aims.fao.org/aos/agrovoc/c_3041
http://vocabularies.unesco.org/thesaurus/concept2214
title_short Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
title_full Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
title_fullStr Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
title_full_unstemmed Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
title_sort Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaica
dc.creator.fl_str_mv Jaramillo Duque, Álvaro
dc.contributor.advisor.none.fl_str_mv Villa Acevedo, Walter Mauricio
dc.contributor.author.none.fl_str_mv Jaramillo Duque, Álvaro
dc.subject.unesco.none.fl_str_mv Análisis de datos
Data analysis
topic Análisis de datos
Data analysis
Radiación solar
Solar radiation
Aprendizaje automático (inteligencia artificial)
Machine learning
Generación de energía fotovoltaica
Photovoltaic power generation
Solar energy
Energía solar
Técnicas de predicción
Forecasting
http://aims.fao.org/aos/agrovoc/c_3041
http://vocabularies.unesco.org/thesaurus/concept2214
dc.subject.lemb.none.fl_str_mv Radiación solar
Solar radiation
Aprendizaje automático (inteligencia artificial)
Machine learning
Generación de energía fotovoltaica
Photovoltaic power generation
Solar energy
Energía solar
dc.subject.agrovoc.none.fl_str_mv Técnicas de predicción
Forecasting
dc.subject.agrovocuri.none.fl_str_mv http://aims.fao.org/aos/agrovoc/c_3041
dc.subject.unescouri.none.fl_str_mv http://vocabularies.unesco.org/thesaurus/concept2214
description RESUMEN : El pronóstico de la energía solar fotovoltaica es cada vez más importante para los operadores de los sistemas eléctricos, dada la naturaleza incierta de la fuente primaria y su continua integración en estos. Por tanto, para una correcta operación de los sistemas eléctricos es necesario contar con pronósticos de la producción de la energía solar, lo más precisos posibles. Este trabajo se enfocará en predicciones para un horizonte de tiempo de corto plazo (24 horas). Estos pronósticos tienen una aplicación directa en los mercados de energía eléctrica del tipo diario e intradiarios, para la estimación de reservas secundarias y terciarias, entre otros aspectos importantes de la operación de los sistemas eléctricos que incluyan fuentes de energía solar. Actualmente, existe una tendencia hacia el uso de métodos de pronóstico basados en analitica de datos avanzada. Por lo tanto, el presente trabajo hace una comparación entre diferentes métodos de aprendizaje de máquina. La comparación consiste en entrenar y comparar diferentes modelos capaces de proporcionar series de tiempo de la radiación solar con un día de anticipación. Para estos experimentos se hace uso de un conjunto de datos abiertos proporcionado por el proyecto SolarMap. El conjunto de datos comprende diferentes variables climáticas y abarca un período que va desde el 6 de abril de 2010 hasta el 3 de abril de 2012. Después de los experimentos realizados, se encontró que los modelos con redes neuronales Convolutional Neural Network combinados con Long short-term memory (CNN-LSTM) son los que lograron mejor desempeño comparadas con el resto de modelos implementados y probados.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-06-13T18:55:36Z
dc.date.available.none.fl_str_mv 2022-06-13T18:55:36Z
dc.date.issued.none.fl_str_mv 2022
dc.type.spa.fl_str_mv info:eu-repo/semantics/other
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversion.spa.fl_str_mv info:eu-repo/semantics/draft
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_46ec
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/COther
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Especialización
format http://purl.org/coar/resource_type/c_46ec
status_str draft
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10495/29149
url http://hdl.handle.net/10495/29149
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.rights.accessrights.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.extent.spa.fl_str_mv 21
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.group.spa.fl_str_mv Grupo de Manejo Eficiente de la Energía (GIMEL)
dc.publisher.place.spa.fl_str_mv Medellín - Colombia
institution Universidad de Antioquia
bitstream.url.fl_str_mv https://bibliotecadigital.udea.edu.co/bitstream/10495/29149/3/license_rdf
https://bibliotecadigital.udea.edu.co/bitstream/10495/29149/4/license.txt
https://bibliotecadigital.udea.edu.co/bitstream/10495/29149/1/Jaramillo%c3%81lvaro_2022_Pron%c3%b3sticoRadiaci%c3%b3nSolar.pdf
bitstream.checksum.fl_str_mv e2060682c9c70d4d30c83c51448f4eed
8a4605be74aa9ea9d79846c1fba20a33
c7a0a2d608016b9e05c2e599a54d9575
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Antioquia
repository.mail.fl_str_mv andres.perez@udea.edu.co
_version_ 1812173153084899328
spelling Villa Acevedo, Walter MauricioJaramillo Duque, Álvaro2022-06-13T18:55:36Z2022-06-13T18:55:36Z2022http://hdl.handle.net/10495/29149RESUMEN : El pronóstico de la energía solar fotovoltaica es cada vez más importante para los operadores de los sistemas eléctricos, dada la naturaleza incierta de la fuente primaria y su continua integración en estos. Por tanto, para una correcta operación de los sistemas eléctricos es necesario contar con pronósticos de la producción de la energía solar, lo más precisos posibles. Este trabajo se enfocará en predicciones para un horizonte de tiempo de corto plazo (24 horas). Estos pronósticos tienen una aplicación directa en los mercados de energía eléctrica del tipo diario e intradiarios, para la estimación de reservas secundarias y terciarias, entre otros aspectos importantes de la operación de los sistemas eléctricos que incluyan fuentes de energía solar. Actualmente, existe una tendencia hacia el uso de métodos de pronóstico basados en analitica de datos avanzada. Por lo tanto, el presente trabajo hace una comparación entre diferentes métodos de aprendizaje de máquina. La comparación consiste en entrenar y comparar diferentes modelos capaces de proporcionar series de tiempo de la radiación solar con un día de anticipación. Para estos experimentos se hace uso de un conjunto de datos abiertos proporcionado por el proyecto SolarMap. El conjunto de datos comprende diferentes variables climáticas y abarca un período que va desde el 6 de abril de 2010 hasta el 3 de abril de 2012. Después de los experimentos realizados, se encontró que los modelos con redes neuronales Convolutional Neural Network combinados con Long short-term memory (CNN-LSTM) son los que lograron mejor desempeño comparadas con el resto de modelos implementados y probados.21application/pdfspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/otherhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-sa/4.0/Pronóstico de la radiación solar para la generación de energía eléctrica fotovoltaicaGrupo de Manejo Eficiente de la Energía (GIMEL)Medellín - ColombiaAnálisis de datosData analysisRadiación solarSolar radiationAprendizaje automático (inteligencia artificial)Machine learningGeneración de energía fotovoltaicaPhotovoltaic power generationSolar energyEnergía solarTécnicas de predicciónForecastinghttp://aims.fao.org/aos/agrovoc/c_3041http://vocabularies.unesco.org/thesaurus/concept2214https://github.com/alvarojd/SolarForecastingEspecialista en Analítica y Ciencia de DatosEspecializaciónFacultad de Ingeniería. Especialización en Analítica y Ciencia de DatosUniversidad de AntioquiaCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81051https://bibliotecadigital.udea.edu.co/bitstream/10495/29149/3/license_rdfe2060682c9c70d4d30c83c51448f4eedMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstream/10495/29149/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54ORIGINALJaramilloÁlvaro_2022_PronósticoRadiaciónSolar.pdfJaramilloÁlvaro_2022_PronósticoRadiaciónSolar.pdfTrabajo de grado de especializaciónapplication/pdf434279https://bibliotecadigital.udea.edu.co/bitstream/10495/29149/1/Jaramillo%c3%81lvaro_2022_Pron%c3%b3sticoRadiaci%c3%b3nSolar.pdfc7a0a2d608016b9e05c2e599a54d9575MD5110495/29149oai:bibliotecadigital.udea.edu.co:10495/291492022-06-13 13:56:21.705Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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