Predicción de nubes a corto plazo para una planta solar a partir de datos históricos

Autores
Caballero, Rafael; Zarzalejo, Luis F.; Otero, Álvaro; Piñuel, Luis; Wilbert, Stefan
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Es este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particular se muestra un método capaz de predecir el valor de radiación en los siguientes minutos a partir de los valores de los minutos anteriores. El método emplea el tipo de red neuronal recurrente conocido como LSTM, capaz de aprender patrones complejos y predecir el próximo elemento de una serie temporal. Los resultados muestran una mejora apreciable en la precisión del método con respecto a la predicción basada en el último valor conocido.
Facultad de Informática
Materia
Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/69922
Acceder
id SEDICI_75ad4aac5d7530e6d5cedec25739b2de
oai_identifier_str oai:sedici.unlp.edu.ar:10915/69922
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Predicción de nubes a corto plazo para una planta solar a partir de datos históricosCaballero, RafaelZarzalejo, Luis F.Otero, ÁlvaroPiñuel, LuisWilbert, StefanCiencias Informáticassolar radiation nowcast, LSTM, supervised machine learningEnergía Solarpredicción meteorológicaEs este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particular se muestra un método capaz de predecir el valor de radiación en los siguientes minutos a partir de los valores de los minutos anteriores. El método emplea el tipo de red neuronal recurrente conocido como LSTM, capaz de aprender patrones complejos y predecir el próximo elemento de una serie temporal. Los resultados muestran una mejora apreciable en la precisión del método con respecto a la predicción basada en el último valor conocido.Facultad de Informática2018-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf69-76http://sedici.unlp.edu.ar/handle/10915/69922spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-1659-4info:eu-repo/semantics/reference/hdl/10915/69464info:eu-repo/semantics/reference/hdl/10915/71620info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:11:05Zoai:sedici.unlp.edu.ar:10915/69922Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:11:05.535SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
spellingShingle Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
Caballero, Rafael
Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
title_short Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_full Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_fullStr Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_full_unstemmed Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_sort Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
dc.creator.none.fl_str_mv Caballero, Rafael
Zarzalejo, Luis F.
Otero, Álvaro
Piñuel, Luis
Wilbert, Stefan
author Caballero, Rafael
author_facet Caballero, Rafael
Zarzalejo, Luis F.
Otero, Álvaro
Piñuel, Luis
Wilbert, Stefan
author_role author
author2 Zarzalejo, Luis F.
Otero, Álvaro
Piñuel, Luis
Wilbert, Stefan
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
topic Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
dc.description.none.fl_txt_mv Es este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particular se muestra un método capaz de predecir el valor de radiación en los siguientes minutos a partir de los valores de los minutos anteriores. El método emplea el tipo de red neuronal recurrente conocido como LSTM, capaz de aprender patrones complejos y predecir el próximo elemento de una serie temporal. Los resultados muestran una mejora apreciable en la precisión del método con respecto a la predicción basada en el último valor conocido.
Facultad de Informática
description Es este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particular se muestra un método capaz de predecir el valor de radiación en los siguientes minutos a partir de los valores de los minutos anteriores. El método emplea el tipo de red neuronal recurrente conocido como LSTM, capaz de aprender patrones complejos y predecir el próximo elemento de una serie temporal. Los resultados muestran una mejora apreciable en la precisión del método con respecto a la predicción basada en el último valor conocido.
publishDate 2018
dc.date.none.fl_str_mv 2018-06
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/69922
url http://sedici.unlp.edu.ar/handle/10915/69922
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-1659-4
info:eu-repo/semantics/reference/hdl/10915/69464
info:eu-repo/semantics/reference/hdl/10915/71620
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
69-76
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615980272058368
score 13.070432

Publicaciones similares