Machine learning in photovoltaic systems

Este artículo presenta un review de técnicas avanzadas de machine learning y deep learning (MDL) aplicadas a sistemas fotovoltaicos. Examina el uso de MDL aplicado al control, detección de escenarios en isla, gestión de energía, detección de fallas y diagnóstico, predicción de irradiación y generación de potencia, dimensionamiento y técnicas de adaptación en sitio. Fue realizado a partir de más de 100 fuentes bibliográficas. Además, una de las más importantes contribuciones es la inclusión de casos de estudio para cada una de las categorías abarcadas y disponibles en código abierto. Este es útil para investigadores que se quieran familiarizar con las técnicas aquí descritas rápidamente. Sin embargo, los casos de estudio serán puestos en una publicación y por tanto son removidos para esta versión.

• Autores: Gaviria Fierro, Jorge Felipe
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/50706
• Acceso en línea: http://hdl.handle.net/1992/50706
• Palabra clave: Sistemas de control; Generación de energía fotovoltaica; Sistemas de energía fotovoltaicos; Convertidores de corriente eléctrica; Consumo de energía eléctrica; Aprendizaje automático (Inteligencia artificial); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf