Título: | Predicción a corto plazo de radiación solar |
Autores: | Bueno Mora, Nicolás |
Tipo de documento: | texto impreso |
Fecha de publicación: | 2019 |
Dimensiones: | application/pdf |
Nota general: |
cc_by_nc info:eu-repo/semantics/openAccess |
Idiomas: | |
Palabras clave: | Estado = No publicado , Materia = Ciencias: Informática , Tipo = Trabajo Fin de Máster |
Resumen: |
La predicción de los niveles de irradiación solar a corto plazo es relevante para obtener la energía que se va a producir y hacer el mejor uso. Existen modelos capaces de proporcionar con cierto grado de satisfacción esta predicción. Además de ser precisa, conviene que sea eficiente en recursos, reduciendo los requisitos al máximo posible del aprendizaje máquina. El enfoque de este trabajo es una exploración para hacer modelos más eficientes, intentando mejorar la predicción si es posible haciendo uso de modelos especializados. Los datos de irradiación con los que se trabaja provienen de la red ubicada en Oahu, Hawai con diecisiete estaciones de medida durante un periodo de diecinueve meses con una frecuencia de un segundo. Este trabajo busca modelos creados con una red neuronal a partir de subconjuntos de todos estos datos mediante la aplicación de distintos métodos de análisis de afinidad entre los valores de irradiación, considerando por un lado la elección manual de los modelos especializados y por otro lado una selección de subconjuntos de datos automática, reduciendo así el impacto en los resultados finales de este trabajo de como son elegidos los modelos. Los resultados de los modelos especializados elegidos con un conjunto representativo de datos no mejoran la calidad de la predicción pero se pueden tener en cuenta por conseguir resultados similares con menos recursos. Además de la obtención una mayor cantidad de datos correspondiendo a cada modelo, hacer uso de otros criterios para seleccionar modelos especializados serían líneas de posible mejora en la predicción. |
En línea: | https://eprints.ucm.es/id/eprint/57471/1/NICOLAS_BUENO_MORA.pdf |
Ejemplares
Estado |
---|
ningún ejemplar |