Modelo de pronóstico de radiación solar basado en Machine Learning

En esta tesis de investigación se presenta el diseño de un modelo predictivo de recurso solar. Se desarrolla en etapas, hace uso de conceptos propios del tratamiento de datos históricos y sustenta su diseño en técnicas Machine Learning. Se describe el uso de gran variedad de técnicas Machine Learning en la predicción de recurso primario alrededor del mundo, se identifica sus fortalezas y retos. Luego, se sustentan criterios de selección de técnicas según su aplicación dentro de las etapas del modelo. Se elabora y muestra una síntesis del uso de estimación y predicción de recurso primario como elemento en la planeación de sistemas fotovoltaicos a corto, mediano y largo plazo. Finalmente se desarrolla el modelo y se proponen escenarios de simulación que se aplican al clima colombiano. El modelo presenta tres etapas en su diseño: agrupamiento-clasificación, estimación y respuesta. Con una revisión de la literatura para cada fase se sintetizaron las fortalezas en el tratamiento de datos y la aplicación de técnicas Machine Learning. Los criterios de selección evalúan el comportamiento de la técnica o técnicas según sea la etapa de aplicación. La escogencia de la base de datos donde se obtiene el histórico que hace de entrada al modelo pasa por ámbitos de aplicación y uso. La obtención de este modelo contribuye al desarrollo de una herramienta que aporta al proceso de planeación para la diversificación de la matriz energética colombiana, lo que hará posible que otros tipos de Fuentes No Convencionales de Energía Renovable, como la solar Fotovoltaica, sean actores en la canasta energética. Esta investigación aporta una herramienta en la estimación de potencial solar que puede usarse en la identificación de nichos geográficos específicos de desarrollo y muestra una visión de la importancia de los datos como elementos base en la toma de decisiones en planeación de fuentes de energía cuyo recurso primario es variable

• Autores: Obando Paredes, Edgar Darío
• Fecha de publicación: 2018
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/68984
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/68984; http://bdigital.unal.edu.co/70361/
• Palabra clave: 62 Ingeniería y operaciones afines / Engineering; Machine learning; Predicción; Radiación solar; iyiyui; Machine learning; Prediction; Solar radiation
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional