Predicción del recurso solar diario mediante técnicas de machine learning para la proyección de generación de energía eléctrica

En este documento se realiza el diseño de un modelo compuesto por técnicas de Machine Learning para la predicción de radiación solar en un horizonte de tiempo diario. Este modelo trabaja bajo el tipo de aprendizaje supervisado conformado por los algoritmos de Naive-Bayes y Redes Neuronales. El objetivo principal de este trabajo fue predecir el recurso solar diario mediante técnicas de Machine Learning para la proyección de generación de energía eléctrica en Colombia. Se revisaron las características de las bases de datos del IDEAM y la NASA siendo esta última la seleccionada para alimentar la entrada al modelo por las fortalezas que presenta por encima del IDEAM para este estudio. Las variables utilizadas para realizar la predicción son: Temperatura, Humedad Relativa, Velocidad del viento, Precipitación, Presión atmosférica, Índice de claridad y Radiación solar global horizontal. Se usaron cuatro zonas en las principales regiones del territorio colombiano que son Soledad, Villavicencio, Buenaventura y Paipa para el entrenamiento y prueba del modelo. Métricas estadísticas como el RMSE, MSE, MAE, Coeficiente de determinación, Covarianza y Desviación estándar permitieron la validación del modelo, en donde la zona de Villavicencio es la que presenta el mejor desempeño con un RMSE de 0,02749 y Coeficiente de determinación de 0,97138 y la zona con el desempeño más bajo fue Soledad con valores de RMSE y Coeficiente de determinación de 0,04786 y 0,89258 respectivamente

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/28947
• Acceso en línea: http://hdl.handle.net/11349/28947
• Palabra clave: Generación; Radiación solar; Predicción; Clasificación; Aprendizaje Automático; Ingeniería Eléctrica - Tesis y disertaciones académicas; Aprendizaje automático (Inteligencia artificial) - Colombia; Inteligencia artificial - Colombia; Generación de energía eléctrica - Colombia; Radiación solar - Colombia; Generation; Solar radiation; Prediction; Classification; Machine Learning
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional