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...

Full description

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
id UNIANDES2_098fbf4223b28e92b20c6145832d3216
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/48972
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2González Mancera, Andrés Leonardo1a96c006-a679-415f-870a-e3c375a5259a500Rueda Uribe, Diegod363a372-26d1-4271-a9a4-68c1262e9d385002021-02-18T12:38:04Z2021-02-18T12:38:04Z2020http://hdl.handle.net/1992/48972u833649.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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 mundoPhotovoltaic power production forecasting has become increasingly relevant over the past decade. In this study, training and evaluation of different Machine Learning models is performed in order to generate short-term predictions based on current power production and weather variables including temperature, relative humidity, wind speed and direction, cloud cover, and direct radiation. Three different datasets were used to train each model, from three different geographic locations in the worldIngeniero MecánicoPregrado21 hojasapplication/pdfengUniversidad de los AndesIngeniería MecánicaFacultad de IngenieríaDepartamento de Ingeniería Mecánicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaShort-term solar power forecasting using different machine learning modelsTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPGeneración de energía fotovoltaicaEnergía solarColectores solaresIngenieríaPublicationTHUMBNAILu833649.pdf.jpgu833649.pdf.jpgIM Thumbnailimage/jpeg5641https://repositorio.uniandes.edu.co/bitstreams/f901f44e-0bfe-4430-a4db-c75c2fa0eefb/download855449a3f9dd2d2eac9c8f15510cfdd8MD55TEXTu833649.pdf.txtu833649.pdf.txtExtracted texttext/plain38265https://repositorio.uniandes.edu.co/bitstreams/57d49350-866c-4600-b0c9-bbbb30576bb7/downloadaca022d2d2821f39360c07f0ff02fe32MD54ORIGINALu833649.pdfapplication/pdf1035348https://repositorio.uniandes.edu.co/bitstreams/30e82344-b867-480b-8469-848ecb6099d2/download671d2d7298f4c733d76d604744a9b830MD511992/48972oai:repositorio.uniandes.edu.co:1992/489722023-10-10 16:53:56.603https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.es_CO.fl_str_mv Short-term solar power forecasting using different machine learning models
title Short-term solar power forecasting using different machine learning models
spellingShingle Short-term solar power forecasting using different machine learning models
Generación de energía fotovoltaica
Energía solar
Colectores solares
Ingeniería
title_short Short-term solar power forecasting using different machine learning models
title_full Short-term solar power forecasting using different machine learning models
title_fullStr Short-term solar power forecasting using different machine learning models
title_full_unstemmed Short-term solar power forecasting using different machine learning models
title_sort Short-term solar power forecasting using different machine learning models
dc.creator.fl_str_mv Rueda Uribe, Diego
dc.contributor.advisor.none.fl_str_mv González Mancera, Andrés Leonardo
dc.contributor.author.none.fl_str_mv Rueda Uribe, Diego
dc.subject.armarc.es_CO.fl_str_mv Generación de energía fotovoltaica
Energía solar
Colectores solares
topic Generación de energía fotovoltaica
Energía solar
Colectores solares
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description 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
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-02-18T12:38:04Z
dc.date.available.none.fl_str_mv 2021-02-18T12:38:04Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/48972
dc.identifier.pdf.none.fl_str_mv u833649.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/48972
identifier_str_mv u833649.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 21 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Universidad de los Andes
dc.publisher.program.es_CO.fl_str_mv Ingeniería Mecánica
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Mecánica
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/f901f44e-0bfe-4430-a4db-c75c2fa0eefb/download
https://repositorio.uniandes.edu.co/bitstreams/57d49350-866c-4600-b0c9-bbbb30576bb7/download
https://repositorio.uniandes.edu.co/bitstreams/30e82344-b867-480b-8469-848ecb6099d2/download
bitstream.checksum.fl_str_mv 855449a3f9dd2d2eac9c8f15510cfdd8
aca022d2d2821f39360c07f0ff02fe32
671d2d7298f4c733d76d604744a9b830
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133905952669696