Modelo de predicción para datos meteorológicos basados en una red neuronal con memoria de corto y largo plazo

En este proyecto se realizó un análisis de correlación para escoger adecuadamente las variables del modelo que cómo objetivo tiene pronosticar la irradiancia global horizontal, la irradiancia difusa horizontal y la irradiancia directa normal. Este modelo es una red neuronal, esta red tiene la característica de contar con dos capas de memoria de corto-largo plazo, las cuales evitan que se produzca un sobreajuste de los datos y que no se produzca un problema de desvanecimiento de gradiente presente sobre todo en redes neuronales recurrentes cuando se emplea grandes cantidades de información. Así pues, se emplearon como “features” del modelo la temperatura del aire, irradiancia directa normal, irradiancia difusa horizontal, irradiancia global horizontal, la dirección del viento, la razón entre la irradiancia extraterrestre y las tres irradiancias de estudio y la transformación coseno para el día del año. Cómo resultado, se evidenció que la irradiancia directa normal es muy sensible a nubes, provocando que haya picos abruptos en los datos reales, mientras que tanto el global horizontal cómo la difusa horizontal suelen ser menos volátiles. Asimismo, en el set de testeo se logró predecir la irradiancia global horizontal, la irradiancia difusa horizontal y la irradiancia directa normal con una precisión de 44.39W/m^2, 33.5W/m^2 y 83.02W/m^2 respectivamente. Más allá, se halló que el mejor momento para realizar las predicciones es a las 7 de la mañana para las próximas 8 horas, disminuyendo así el error absoluto medio que se podría cometer.

• Autores: Martínez Castro, Rodrigo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/73280
• Acceso en línea: https://hdl.handle.net/1992/73280
• Palabra clave: Pronóstico de series de tiempo; Energías renovables no Convencionales; Energía solar; Redes neuronales; Memoria de corto largo plazo; Meteorología; Ingeniería
• Rights: openAccess
• License: Attribution 4.0 International