Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado

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 re...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Herrera Martinez, Walter, Moreno, Analía, Reybet, Ana Clara, Saint André, Simón
Formato: Articulo
Lenguaje:Español
Publicado: 2018
Materias:
Ingeniería
Ciencias Exactas
Energía solar
generación
aprendizaje supervisado
Random Forest
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/108293
http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1205
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-108293
record_format dspace
spelling I19-R120-10915-1082932023-06-27T19:58:04Z http://sedici.unlp.edu.ar/handle/10915/108293 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1205 issn:2314-1433 Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado Herrera Martinez, Walter Moreno, Analía Reybet, Ana Clara Saint André, Simón 2018 2020-11-04T14:32:17Z es Ingeniería Ciencias Exactas Energía solar generación aprendizaje supervisado Random Forest 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 <i>Random Forest</i> 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. In this work was carried out the power prediction generated by a set of photovoltaic modules located in 42´s Constituyentes Atomic Center (CAC) building of the National Atomic Energy Commission (CNEA). A preprocessing of three years of photovoltaic generation data, collected from the inverter to which the modules are connected, was conducted. Later it was determined that the method with the Random Forest algorithm presented the most suitable behavior to make a prediction regarding the real photovoltaic generation data. After choosing the learning method, parameters were optimized and analyzed to determine which characteristic variables are the most influential in the results. Finally, the energy produced by the modules was obtained from the predicted generation and it was compared with the real data, obtaining coefficients of determination greater than 0.9. Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) Articulo Articulo http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 25-33
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ingeniería
Ciencias Exactas
Energía solar
generación
aprendizaje supervisado
Random Forest
spellingShingle Ingeniería
Ciencias Exactas
Energía solar
generación
aprendizaje supervisado
Random Forest
Herrera Martinez, Walter
Moreno, Analía
Reybet, Ana Clara
Saint André, Simón
Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
topic_facet Ingeniería
Ciencias Exactas
Energía solar
generación
aprendizaje supervisado
Random Forest
description 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 <i>Random Forest</i> 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.
format Articulo
Articulo
author Herrera Martinez, Walter
Moreno, Analía
Reybet, Ana Clara
Saint André, Simón
author_facet Herrera Martinez, Walter
Moreno, Analía
Reybet, Ana Clara
Saint André, Simón
author_sort Herrera Martinez, Walter
title Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
title_short Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
title_full Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
title_fullStr Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
title_full_unstemmed Predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
title_sort predicción de generación fotovoltaica con técnicas de aprendizaje supervisado
publishDate 2018
url http://sedici.unlp.edu.ar/handle/10915/108293
http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1205
work_keys_str_mv AT herreramartinezwalter predicciondegeneracionfotovoltaicacontecnicasdeaprendizajesupervisado
AT morenoanalia predicciondegeneracionfotovoltaicacontecnicasdeaprendizajesupervisado
AT reybetanaclara predicciondegeneracionfotovoltaicacontecnicasdeaprendizajesupervisado
AT saintandresimon predicciondegeneracionfotovoltaicacontecnicasdeaprendizajesupervisado
_version_ 1770170693768445952

Ejemplares similares