Modelo de predicción de generación fotovoltaica en Colombia basado en redes neuronales

Este proyecto de grado se realizó con el objetivo de predecir la generación de energía para una planta generadora de energía solar en Colombia, utilizando como técnica de inteligencia artificial las redes neuronales. Se desarrollaron y compararon tres arquitecturas diferentes: Long Short-Term Memory (LSTM), Convolutional 1 Dimension (Conv1D) y Gated Recurrent Unit (GRU). Para la predicción, se utilizaron variables como la energía producida, variables de tiempo (representadas con funciones seno y coseno del día y del año), y diversas variables meteorológicas obtenidas de los datos de medición de la planta solar. Se probaron diversas metodologías para la inclusión de estas variables en los modelos. Los modelos se evaluaron en diferentes resoluciones temporales, inversores y años, logrando en la mayoría de los casos resultados muy buenos, con errores menores al 10%.

• Autores: Nassar Suárez, Gabriel
• 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:1992/75114
• Acceso en línea: https://hdl.handle.net/1992/75114
• Palabra clave: Redes neuronales; Inteligencia artificial; Energía solar; Planta fotovoltaica; Modelo predictivo; Machine learning; TensorFlow; Keras; Python; LSTM; GRU; Convolucional; Ingeniería
• Rights: openAccess
• License: Attribution-NonCommercial-NoDerivatives 4.0 International