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...
- 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
| id |
UNIANDES2_c8fa00f1ccf242d11a702d959c629786 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/68882 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| title |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| spellingShingle |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning Redes neuronales LSTM Radiación solar Machine learning Deep learning Energías renovables Plantas fotovoltaicas Ingeniería |
| title_short |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| title_full |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| title_fullStr |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| title_full_unstemmed |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| title_sort |
Análisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learning |
| dc.creator.fl_str_mv |
Herrera Jiménez, Alejandro |
| dc.contributor.advisor.none.fl_str_mv |
González Mancera, Andrés Leonardo |
| dc.contributor.author.none.fl_str_mv |
Herrera Jiménez, Alejandro |
| dc.subject.keyword.none.fl_str_mv |
Redes neuronales LSTM Radiación solar Machine learning Deep learning Energías renovables Plantas fotovoltaicas |
| topic |
Redes neuronales LSTM Radiación solar Machine learning Deep learning Energías renovables Plantas fotovoltaicas Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-07-28T19:22:07Z |
| dc.date.available.none.fl_str_mv |
2023-07-28T19:22:07Z |
| dc.date.issued.none.fl_str_mv |
2023-06-07 |
| dc.type.es_CO.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.es_CO.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/68882 |
| dc.identifier.instname.es_CO.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.es_CO.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.es_CO.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/68882 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.license.*.fl_str_mv |
Attribution-NoDerivatives 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
46 páginas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Mecánica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Mecánica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/ff75b5e1-40fb-4783-ae95-e54e5643e339/download https://repositorio.uniandes.edu.co/bitstreams/e5f92921-6a0f-4c89-b0ee-bd6a35f5b4c9/download https://repositorio.uniandes.edu.co/bitstreams/d5db43e6-dbb4-454a-a39c-2273c31fdbce/download https://repositorio.uniandes.edu.co/bitstreams/23b35b2b-4a82-4058-83cf-a47e95d8d271/download https://repositorio.uniandes.edu.co/bitstreams/baf93502-6034-46fe-bb81-8a51db1a2f12/download https://repositorio.uniandes.edu.co/bitstreams/822a8f51-f3fa-4143-9155-5d05eb183da9/download https://repositorio.uniandes.edu.co/bitstreams/1d58ba75-06aa-4f97-bab4-1d37e0064f09/download https://repositorio.uniandes.edu.co/bitstreams/8ad02aff-86bb-4424-b956-1af2e381906f/download |
| bitstream.checksum.fl_str_mv |
caf5d1496d993d98707ae59c679760d4 2839c15722ca3de319c01c62b07d41bc f7d494f61e544413a13e6ba1da2089cd 5aa5c691a1ffe97abd12c2966efcb8d6 558a9073bc8b99a081e92b03e2dc39f2 7f6f268ff733f991f1135bd0b53089c4 2db17ae69ea3a4e7fbe8438bcc343907 08b106dfeb12472e88207a069e15ba30 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1808390496014303232 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autoresAttribution-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2González Mancera, Andrés Leonardo1a96c006-a679-415f-870a-e3c375a5259a600Herrera Jiménez, Alejandro1ab3b44f-3ea4-4c5a-848a-8d9552fbe81d6002023-07-28T19:22:07Z2023-07-28T19:22:07Z2023-06-07http://hdl.handle.net/1992/68882instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Ingeniero MecánicoPregradoConversión de eneregía46 páginasapplication/pdfspaUniversidad de los AndesIngeniería MecánicaFacultad de IngenieríaDepartamento de Ingeniería MecánicaAnálisis y predicción de radiación en sistemas fotovoltaicos haciendo uso de machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPRedes neuronalesLSTMRadiación solarMachine learningDeep learningEnergías renovablesPlantas fotovoltaicasIngeniería201915788PublicationORIGINALDocumento_Final.pdfDocumento_Final.pdfTrabajo de gradoapplication/pdf1321681https://repositorio.uniandes.edu.co/bitstreams/ff75b5e1-40fb-4783-ae95-e54e5643e339/downloadcaf5d1496d993d98707ae59c679760d4MD53autorizacion tesis (1).pdfautorizacion tesis (1).pdfHIDEapplication/pdf281310https://repositorio.uniandes.edu.co/bitstreams/e5f92921-6a0f-4c89-b0ee-bd6a35f5b4c9/download2839c15722ca3de319c01c62b07d41bcMD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8799https://repositorio.uniandes.edu.co/bitstreams/d5db43e6-dbb4-454a-a39c-2273c31fdbce/downloadf7d494f61e544413a13e6ba1da2089cdMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/23b35b2b-4a82-4058-83cf-a47e95d8d271/download5aa5c691a1ffe97abd12c2966efcb8d6MD51THUMBNAILDocumento_Final.pdf.jpgDocumento_Final.pdf.jpgIM Thumbnailimage/jpeg8472https://repositorio.uniandes.edu.co/bitstreams/baf93502-6034-46fe-bb81-8a51db1a2f12/download558a9073bc8b99a081e92b03e2dc39f2MD56autorizacion tesis (1).pdf.jpgautorizacion tesis (1).pdf.jpgIM Thumbnailimage/jpeg16047https://repositorio.uniandes.edu.co/bitstreams/822a8f51-f3fa-4143-9155-5d05eb183da9/download7f6f268ff733f991f1135bd0b53089c4MD58TEXTDocumento_Final.pdf.txtDocumento_Final.pdf.txtExtracted texttext/plain98798https://repositorio.uniandes.edu.co/bitstreams/1d58ba75-06aa-4f97-bab4-1d37e0064f09/download2db17ae69ea3a4e7fbe8438bcc343907MD55autorizacion tesis (1).pdf.txtautorizacion tesis (1).pdf.txtExtracted texttext/plain1161https://repositorio.uniandes.edu.co/bitstreams/8ad02aff-86bb-4424-b956-1af2e381906f/download08b106dfeb12472e88207a069e15ba30MD571992/68882oai:repositorio.uniandes.edu.co:1992/688822023-10-10 19:41:45.062http://creativecommons.org/licenses/by-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |