Herrera Martinez, W. and Moreno, A. and Reybet, A. C. and Saint-André, S. (2018) Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado. Energías Renovables y Medio Ambiente, 42 . pp. 63-69. ISSN 2684-0073
PDF Download (469Kb) |
Resumen
En el siguiente trabajo se realizó la predicción de la potencia generada por un conjunto de módulos fotovoltaicos ubicado en el edificio 42 del Centro Atómico Constituyentes (CAC) de la Comisión Nacional de Energía Atómica (CNEA). Se efectuó un preprocesamiento de tres años de datos de generación recolectados del inversor fotovoltaico, y posteriormente se determinó a partir de diferentes métodos de aprendizaje supervisado y su análisis, que el método con el algoritmo de Random Forest presentó el comportamiento más adecuado para realizar una predicción respecto a los datos de generación fotovoltaica reales. Una vez elegido el método de aprendizaje, se optimizaron los parámetros y se analizaron qué variables características son las más influyentes en los resultados. Finalmente se obtuvo la energía producida por el conjunto de módulos a partir de la generación predicha y se comparó con los datos reales, obteniendo coeficientes de determinación mayores a 0,9.
Tipo de Archivo: | Articulo |
---|---|
Palabras Claves: | Energía solar, generación, aprendizaje supervisado, Random Forest. |
Temas: | Ciencias Naturales |
Colecciones: | Universidad Nacional de Salta > Facultad de Ciencias Naturales |
Depósito del usuario: | Admin AR Repositorio |
Fecha de Deposito: | 08 Noviembre 2021 13:43 |
Ultima modificacion: | 08 Noviembre 2021 13:43 |
URI: | http://eprints.natura.unsa.edu.ar/id/eprint/956 |
Actions (login required)
View Item |