Short-term solar power forecasting using different machine learning models
Pronosticar la producción de energía solar fotovoltaica se ha vuelto cada vez más relevante durante la última década. En este trabajo se lleva a cabo el entrenamiento y la evaluación de diferentes modelos de Machine Learning para generar predicciones de potencia de corto plazo, basadas en la potenci...
- Autores:
-
Rueda Uribe, Diego
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/48972
- Acceso en línea:
- http://hdl.handle.net/1992/48972
- Palabra clave:
- Generación de energía fotovoltaica
Energía solar
Colectores solares
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| Summary: | Pronosticar la producción de energía solar fotovoltaica se ha vuelto cada vez más relevante durante la última década. En este trabajo se lleva a cabo el entrenamiento y la evaluación de diferentes modelos de Machine Learning para generar predicciones de potencia de corto plazo, basadas en la potencia actual y variables meteorológicas. Se usaron datos de tres ubicaciones geográficas diferentes en el mundo |
|---|