Modelo multicapa LSTM para predicción de irradiancia solar

La energía solar fotovoltaica ha presentado un crecimiento acelerado en los últimos años. Sin embargo, uno de los problemas a los que se enfrentan las plantas de producción que utilizan esta tecnología es la incertidumbre de la disponibilidad del recurso (irradiancia solar) a las diferentes horas de...

Full description

Autores:
Herrera Gómez, Oscar Fernando
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/73256
Acceso en línea:
https://hdl.handle.net/1992/73256
Palabra clave:
Hyperband
LSTM
Irradiancia solar
Predicciones a corto plazo
Red Neuronal Recurrente
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
Description
Summary:La energía solar fotovoltaica ha presentado un crecimiento acelerado en los últimos años. Sin embargo, uno de los problemas a los que se enfrentan las plantas de producción que utilizan esta tecnología es la incertidumbre de la disponibilidad del recurso (irradiancia solar) a las diferentes horas del día. En este artículo se busca generar un modelo de predicción de irradiancia solar (GHI) con un horizonte de 8 horas hacia el futuro. Para ello se plantea un modelo multicapa utilizando redes LSTM (Long Short Term Memory) optimizado utilizando el algoritmo Hyperband. El modelo se entrena utilizando datos satelitales de El Paso Cesar (Colombia) entre los años 2000 y 2020 con una resolución 30 minutal. Finalmente, se probó el modelo entrenado utilizando métricas de error como el MAE, y el R^2 obteniendo valores de 38.81 [W/m^2] y 0.93 respectivamente.