Predicción de la irradiancia solar diaria mediante redes neuronales

Autores
Morales, D. Martín; Cappelletti, Marcelo Angel; Hasperué, Waldo; Charlier, Leandro
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente en pos de resolver los problemas de la disminución de los recursos de energía no renovables y la polución ambiental originada por ellos. La radiación solar incidente es la principal fuente de energía renovable disponible en la naturaleza. Su aprovechamiento óptimo requiere de un profundo conocimiento acerca de la irradiancia solar sobre la superficie terrestre, para predecir la producción de energía que podría obtenerse en un determinado lugar. 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 Santiago del Estero, Argentina. Se analizaron diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solar global diaria en dicha localidad. Las redes neuronales permiten crear modelos de predicción pues poseen la capacidad de generalizar y de aprender de patrones de entrada produciendo valores de salida ante la recepción de estímulos similares. 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.
Facultad de Ingeniería
Instituto de Investigación en Informática
Materia
Ingeniería
Informática
Energía Renovable
Radiación solar
Redes neuronales artificiales
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:10915/129163
Acceder
id SEDICI_ac51d48a5b1bd9a2d85b7889ad8e54f4
oai_identifier_str oai:sedici.unlp.edu.ar:10915/129163
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Predicción de la irradiancia solar diaria mediante redes neuronalesMorales, D. MartínCappelletti, Marcelo AngelHasperué, WaldoCharlier, LeandroIngenieríaInformáticaEnergía RenovableRadiación solarRedes neuronales artificialesLa conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente en pos de resolver los problemas de la disminución de los recursos de energía no renovables y la polución ambiental originada por ellos. La radiación solar incidente es la principal fuente de energía renovable disponible en la naturaleza. Su aprovechamiento óptimo requiere de un profundo conocimiento acerca de la irradiancia solar sobre la superficie terrestre, para predecir la producción de energía que podría obtenerse en un determinado lugar. 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 Santiago del Estero, Argentina. Se analizaron diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solar global diaria en dicha localidad. Las redes neuronales permiten crear modelos de predicción pues poseen la capacidad de generalizar y de aprender de patrones de entrada produciendo valores de salida ante la recepción de estímulos similares. 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.Facultad de IngenieríaInstituto de Investigación en Informática2016-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1843-1853http://sedici.unlp.edu.ar/handle/10915/129163spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-42-0173-1info: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:UNLP2025-09-03T11:03:34Zoai:sedici.unlp.edu.ar:10915/129163Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:03:34.557SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Predicción de la irradiancia solar diaria mediante redes neuronales
title Predicción de la irradiancia solar diaria mediante redes neuronales
spellingShingle Predicción de la irradiancia solar diaria mediante redes neuronales
Morales, D. Martín
Ingeniería
Informática
Energía Renovable
Radiación solar
Redes neuronales artificiales
title_short Predicción de la irradiancia solar diaria mediante redes neuronales
title_full Predicción de la irradiancia solar diaria mediante redes neuronales
title_fullStr Predicción de la irradiancia solar diaria mediante redes neuronales
title_full_unstemmed Predicción de la irradiancia solar diaria mediante redes neuronales
title_sort Predicción de la irradiancia solar diaria mediante redes neuronales
dc.creator.none.fl_str_mv Morales, D. Martín
Cappelletti, Marcelo Angel
Hasperué, Waldo
Charlier, Leandro
author Morales, D. Martín
author_facet Morales, D. Martín
Cappelletti, Marcelo Angel
Hasperué, Waldo
Charlier, Leandro
author_role author
author2 Cappelletti, Marcelo Angel
Hasperué, Waldo
Charlier, Leandro
author2_role author
author
author
dc.subject.none.fl_str_mv Ingeniería
Informática
Energía Renovable
Radiación solar
Redes neuronales artificiales
topic Ingeniería
Informática
Energía Renovable
Radiación solar
Redes neuronales artificiales
dc.description.none.fl_txt_mv La conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente en pos de resolver los problemas de la disminución de los recursos de energía no renovables y la polución ambiental originada por ellos. La radiación solar incidente es la principal fuente de energía renovable disponible en la naturaleza. Su aprovechamiento óptimo requiere de un profundo conocimiento acerca de la irradiancia solar sobre la superficie terrestre, para predecir la producción de energía que podría obtenerse en un determinado lugar. 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 Santiago del Estero, Argentina. Se analizaron diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solar global diaria en dicha localidad. Las redes neuronales permiten crear modelos de predicción pues poseen la capacidad de generalizar y de aprender de patrones de entrada produciendo valores de salida ante la recepción de estímulos similares. 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.
Facultad de Ingeniería
Instituto de Investigación en Informática
description La conversión de energía a través de fuentes de energía renovable y no contaminante se ha tornado un tema trascendente en pos de resolver los problemas de la disminución de los recursos de energía no renovables y la polución ambiental originada por ellos. La radiación solar incidente es la principal fuente de energía renovable disponible en la naturaleza. Su aprovechamiento óptimo requiere de un profundo conocimiento acerca de la irradiancia solar sobre la superficie terrestre, para predecir la producción de energía que podría obtenerse en un determinado lugar. 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 Santiago del Estero, Argentina. Se analizaron diferentes modelos de redes neuronales artificiales capaces de estimar la radiación solar global diaria en dicha localidad. Las redes neuronales permiten crear modelos de predicción pues poseen la capacidad de generalizar y de aprender de patrones de entrada produciendo valores de salida ante la recepción de estímulos similares. 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.
publishDate 2016
dc.date.none.fl_str_mv 2016-09
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/10915/129163
url http://sedici.unlp.edu.ar/handle/10915/129163
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-42-0173-1
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
1843-1853
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_ 1842260534010839040
score 13.13397

Publicaciones similares