Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning

Este proyecto se enfocó en desarrollar un modelo de predicción de radiación solar utilizando una red neuronal LSTM. El objetivo principal fue predecir la radiación solar generada por una planta, lo cual es crucial para la planificación y operación eficiente de instalaciones solares. El desarrollo de un modelo de predicción de radiación solar tiene aplicaciones importantes en la industria de la energía solar. Conocer con antelación la radiación solar esperada permite optimizar la generación de energía y tomar decisiones informadas sobre la operación de las plantas solares. Además, un modelo preciso de predicción de radiación solar puede contribuir a la planificación a largo plazo de proyectos solares y a la integración eficiente de la energía solar en la red eléctrica. En este sentido, este proyecto busca aportar al avance en el campo de la energía renovable y proporcionar herramientas útiles para mejorar la eficiencia y confiabilidad de las plantas solares.

• Autores: Herrera Jiménez, Alejandro
• 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:1992/68882
• Acceso en línea: http://hdl.handle.net/1992/68882
• Palabra clave: Redes neuronales; LSTM; Radiación solar; Machine learning; Deep learning; Energías renovables; Plantas fotovoltaicas; Ingeniería
• Rights: openAccess
• License: Attribution-NoDerivatives 4.0 Internacional