Por favor, use este identificador para citar o enlazar este ítem:
http://bibdigital.epn.edu.ec/handle/15000/17264
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | Romero Granda, Andrés Francisco | - |
dc.date.accessioned | 2017-05-03T13:28:36Z | - |
dc.date.available | 2017-05-03T13:28:36Z | - |
dc.date.issued | 2017-04-26 | - |
dc.identifier.citation | Romero Granda, A. F. (2017). Predicción de la potencia activa a corto plazo de un parque fotovoltaico utilizando una red neuronal artificial. 163 hojas. Quito : EPN. | es_ES |
dc.identifier.other | T-IE/4435/CD 7769 | - |
dc.identifier.uri | http://bibdigital.epn.edu.ec/handle/15000/17264 | - |
dc.description | En este documento se desarrolla un modelo de predicción de potencia activa a corto plazo para un parque fotovoltaico ubicado en Ibarra, Ecuador implementando una red neuronal artificial, los modelos desarrollados en este documento son: uno utilizando variables históricas y el otro utilizando variables históricas y pronosticadas. Estos modelos son evaluados en horizontes de 24 y 48 horas. Los datos empleados corresponden a series de tiempo de variables meteorológicas, como la velocidad del viento, radiación, humedad relativa, entre otras, y eléctricas, como la potencia. Estas variables serán sometidas a un tratamiento preliminar para los valores fuera de rango y datos en blanco. Para el diseño de la red neuronal artificial se toma en cuenta las entradas óptimas al modelo, el número de capas, número de neuronas, algoritmo de aprendizaje y función de transferencia. | es_ES |
dc.description.abstract | In this study, a short-term forecasting of output power in a photovoltaic plant in Ibarra, Ecuador is developed by using different artificial neural network models. The models are: one using only historical predictors and the other using historical and forecasted predictors. They are evaluated in 24- and 48-hour horizons. The used data correspond to time series of meteorological variables, such as wind speed, radiation, relative humidity, among others, and electrical variables such as active power. These variables are subjected to a preliminary treatment for outliers and missing data. For the design of the artificial neural network, the number of layers, number of neurons, learning and transfer function algorithm are considered. | es_ES |
dc.description.sponsorship | Quilumba Gudiño, Franklin Lenin, director | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Quito, 2017. | es_ES |
dc.rights | openAccess | es_ES |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
dc.subject | REDES NEURONALES | es_ES |
dc.subject | POTENCIA | es_ES |
dc.subject | ENERGÍA RENOVABLE | es_ES |
dc.title | Predicción de la potencia activa a corto plazo de un parque fotovoltaico utilizando una red neuronal artificial | es_ES |
dc.type | bachelorThesis | es_ES |
Aparece en las colecciones: | Tesis Ingeniería Eléctrica (IE) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
CD-7769.pdf | 4,45 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.