Entrenamiento de una red neuronal artificial para la predicción de la radiación solar

La conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente para la humanidad, dado que la evolución y progreso del hombre está ligado a su uso. La principal fuente de energía renovable disponible en la naturaleza es la radiación solar incid...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Morales, Daniel Martín, Cappelletti, Marcelo Angel, Hasperué, Waldo, Charlier, Leandro
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2016
Materias:
Ingeniería
energías renovables, radiación solar, redes neuronales artificiales
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/77783
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-77783
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ingeniería
energías renovables, radiación solar, redes neuronales artificiales
spellingShingle Ingeniería
energías renovables, radiación solar, redes neuronales artificiales
Morales, Daniel Martín
Cappelletti, Marcelo Angel
Hasperué, Waldo
Charlier, Leandro
Entrenamiento de una red neuronal artificial para la predicción de la radiación solar
topic_facet Ingeniería
energías renovables, radiación solar, redes neuronales artificiales
description La conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente para la humanidad, dado que la evolución y progreso del hombre está ligado a su uso. La principal fuente de energía renovable disponible en la naturaleza es la radiación solar incidente, la cual se presenta como el recurso más promisorio tendiente a sustituir las fuentes de energía no renovables y reducir las emisiones de gases a la atmósfera, dado que permite diversas formas de captación y transformación, principalmente a través de sistemas fotovoltaicos y fototérmicos. Para tener un aprovechamiento óptimo de la energía solar se requiere de un amplio conocimiento acerca de la irradiancia solar incidente a nivel de la superficie terrestre, pero esta magnitud es variable con el tiempo de manera instantánea, horaria, diaria y estacional, con la latitud y con los microclimas locales del sitio. En este trabajo, se presenta el entrenamiento de una red neuronal artificial multicapa para predecir a corto plazo la irradiancia solar en una localidad de la provincia de Córdoba, Argentina. Específicamente, el objetivo del trabajo es analizar diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solar global diaria en dicha localidad. Los modelos considerados difieren entre sí, en la cantidad de neuronas en la capa oculta, en las variables meteorológicas utilizadas como datos de entrada y en el orden cronológico de los datos utilizados para la fase de entrenamiento. En general, los resultados obtenidos han mostrado un aceptable desempeño de la red neuronal artificial en la estimación de la radiación solar, pero con posibilidades ciertas de ser mejorados.
format Objeto de conferencia
Objeto de conferencia
author Morales, Daniel Martín
Cappelletti, Marcelo Angel
Hasperué, Waldo
Charlier, Leandro
author_facet Morales, Daniel Martín
Cappelletti, Marcelo Angel
Hasperué, Waldo
Charlier, Leandro
author_sort Morales, Daniel Martín
title Entrenamiento de una red neuronal artificial para la predicción de la radiación solar
title_short Entrenamiento de una red neuronal artificial para la predicción de la radiación solar
title_full Entrenamiento de una red neuronal artificial para la predicción de la radiación solar
title_fullStr Entrenamiento de una red neuronal artificial para la predicción de la radiación solar
title_full_unstemmed Entrenamiento de una red neuronal artificial para la predicción de la radiación solar
title_sort entrenamiento de una red neuronal artificial para la predicción de la radiación solar
publishDate 2016
url http://sedici.unlp.edu.ar/handle/10915/77783
work_keys_str_mv AT moralesdanielmartin entrenamientodeunaredneuronalartificialparalapredicciondelaradiacionsolar
AT cappellettimarceloangel entrenamientodeunaredneuronalartificialparalapredicciondelaradiacionsolar
AT hasperuewaldo entrenamientodeunaredneuronalartificialparalapredicciondelaradiacionsolar
AT charlierleandro entrenamientodeunaredneuronalartificialparalapredicciondelaradiacionsolar
bdutipo_str Repositorios
_version_ 1764820485082710017

Ejemplares similares