Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/14139
Título : Estimación de la potencia producida por módulos fotovoltaicos en base a Redes Neuronales Artificiales y comparación con metodologías basadas en Regresiones Múltiples
Autor : Cachipuendo Amagua, Luis Fredy
Palabras clave : Redes neuronales
Energía renovable
Fecha de publicación : 11-ene-2016
Editorial : Quito, 2016.
Citación : Cachipuendo Amagua, L. F. (2016). Estimación de la potencia producida por módulos fotovoltaicos en base a Redes Neuronales Artificiales y comparación con metodologías basadas en Regresiones Múltiples. 170 hojas. Quito : EPN.
Resumen : Solar irradiation has recently acquired huge importance as the main source of energy for the present and future. Therefore, several analyses have to be carried out in order to determine the actual generation expectancy of photovoltaic plants. The forecasting of the potential output power that can be obtained from a photovoltaic module then derives in a great amount of applications of engineering, as planning and installation of photovoltaic plants. In this connection, application of predictive algorithms that give an approximation of expected generation, presents a challenging issue for power engineers. Thus, Artificial Neural Networks (ANN) can be used for modeling the behavior of the photovoltaic generator, through the data mining of his most influent variables: solar irradiation and module temperature. This paper shows the procedure for performing a robust training in the most accurate Artificial Neural Network in order to accomplish an accurate prediction of the expected generation of CENACE’s photovoltaic plant. The obtained results, based on ANN model, will be then compared with those obtained using methods based on multivariate regressions.
Descripción : La irradiación Solar ha adquirido recientemente una gran importancia como la principal fuente de energía para el presente y el futuro. Bajo este contexto, varios análisis tienen que ser realizados con el fin de determinar la expectativa real de generación de plantas fotovoltaicas. La predicción de la potencia de salida que puede obtenerse a partir de un módulo fotovoltaico, consecuentemente, presenta una gran cantidad de aplicaciones tanto para la planificación como para la instalación de plantas fotovoltaicas. En este sentido, la aplicación de algoritmos de predicción que dan una aproximación de la generación prevista, presenta un reto para los ingenieros eléctricos. En este campo, Redes Neuronales Artificiales (RNA) pueden ser utilizadas para modelar el comportamiento del generador fotovoltaico, a través de minería de datos de la mayoría de sus variables influyentes: irradiación solar y temperatura del módulo. En este trabajo muestra el procedimiento para llevar a cabo un entrenamiento robusto de la Red Neuronal Artificial que mejor se adapte al problema, con el fin de lograr una predicción precisa de la generación esperada de la planta fotovoltaica instalada en CENACE. Este análisis incluirá el muestreo, las pruebas y la validación de la variable de salida. Los resultados obtenidos con base al modelo ANN propuesto, se comparan luego con los valores de los obtenidos utilizando métodos basados en regresiones multivariantes.
URI : http://bibdigital.epn.edu.ec/handle/15000/14139
Aparece en las colecciones: Tesis Ingeniería Eléctrica (IE)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
CD-6761.pdf6,9 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.