Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables

Autores
Cappelletti, Marcelo Ángel; Olivera, Lucas; Saltos, Harry; Pinzón Rueda, Carlos; Guzmán, Jésica; Schenone, Carlos; Osio, Jorge Rafael; Alvira, Fernando Carlos; Gil Rebaza, Arles Víctor; Denon, Nicole; Botta, Christian; Gross, Patricio Martín; Amet, Leonardo; Morales, Martín Alberto
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El aumento del consumo energético promueve el uso de nuevas tecnologías basadas en recursos renovables para generar electricidad en detrimento de los combustibles fósiles (carbón, petróleo, gas natural), lo cual a su vez contribuye a reducir las emisiones de dióxido de carbono a la atmósfera y proteger nuestro medio ambiente. En particular, la energía solar fotovoltaica constituye una de las opciones más prometedoras, dado que se presenta como una fuente limpia y renovable de electricidad con bajo impacto ambiental, disponibilidad en el sitio de consumo y sostenibilidad. Sin embargo, existen ciertas dificultades para integrar esta energía a la red eléctrica. Las razones son principalmente la variabilidad del recurso solar, incluyendo la falta de predicción del mismo, las dificultades para reemplazar a los generadores tradicionales en algunos servicios de red, y la importante inversión inicial requerida para la instalación de plantas de generación basadas en conversión fotovoltaica. El objetivo general del presente proyecto es el de contribuir al desarrollo sostenible realizando aportes científico-tecnológicos que redunden en métodos y procesos más eficientes de generación de energía eléctrica a partir de recursos energéticos renovables como lo es la energía solar. Estas contribuciones se darán tanto en el diseño de celdas solares de nuevos materiales, como así también en el análisis de sistemas fotovoltaicos (SFV), con el fin de reducir los costos asociados a la producción energética para que estos emprendimientos resulten competitivos y puedan ser aplicables a nivel local y regional, tanto para actividades domésticas como industriales. En este proyecto, la investigación se enfocará sobre estrategias y algoritmos de optimización mediante el uso de aprendizaje automático (machine learning), aplicadas a dos ejes temáticos diferentes, por un lado, se apuntará al estudio de dispositivos de conversión fotovoltaica basados en nuevos materiales, y, por otro lado, se estudiarán SFV bajo diversas condiciones de cielo. Asimismo, el proyecto propicia la formación de recursos humanos, tanto de docentes investigadores como de estudiantes de grado y posgrado. Finalmente, la investigación propuesta brinda la posibilidad de continuar y fortalecer el trabajo en conjunto con otros centros académicos del área de influencia de la UNAJ abocados al tema en cuestión.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Aprendizaje automático
Optimización
Energía solar
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:10915/183727

id SEDICI_d0e8f8545e2e5d0e79d244f36d0feebb
oai_identifier_str oai:sedici.unlp.edu.ar:10915/183727
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovablesCappelletti, Marcelo ÁngelOlivera, LucasSaltos, HarryPinzón Rueda, CarlosGuzmán, JésicaSchenone, CarlosOsio, Jorge RafaelAlvira, Fernando CarlosGil Rebaza, Arles VíctorDenon, NicoleBotta, ChristianGross, Patricio MartínAmet, LeonardoMorales, Martín AlbertoCiencias InformáticasAprendizaje automáticoOptimizaciónEnergía solarEl aumento del consumo energético promueve el uso de nuevas tecnologías basadas en recursos renovables para generar electricidad en detrimento de los combustibles fósiles (carbón, petróleo, gas natural), lo cual a su vez contribuye a reducir las emisiones de dióxido de carbono a la atmósfera y proteger nuestro medio ambiente. En particular, la energía solar fotovoltaica constituye una de las opciones más prometedoras, dado que se presenta como una fuente limpia y renovable de electricidad con bajo impacto ambiental, disponibilidad en el sitio de consumo y sostenibilidad. Sin embargo, existen ciertas dificultades para integrar esta energía a la red eléctrica. Las razones son principalmente la variabilidad del recurso solar, incluyendo la falta de predicción del mismo, las dificultades para reemplazar a los generadores tradicionales en algunos servicios de red, y la importante inversión inicial requerida para la instalación de plantas de generación basadas en conversión fotovoltaica. El objetivo general del presente proyecto es el de contribuir al desarrollo sostenible realizando aportes científico-tecnológicos que redunden en métodos y procesos más eficientes de generación de energía eléctrica a partir de recursos energéticos renovables como lo es la energía solar. Estas contribuciones se darán tanto en el diseño de celdas solares de nuevos materiales, como así también en el análisis de sistemas fotovoltaicos (SFV), con el fin de reducir los costos asociados a la producción energética para que estos emprendimientos resulten competitivos y puedan ser aplicables a nivel local y regional, tanto para actividades domésticas como industriales. En este proyecto, la investigación se enfocará sobre estrategias y algoritmos de optimización mediante el uso de aprendizaje automático (machine learning), aplicadas a dos ejes temáticos diferentes, por un lado, se apuntará al estudio de dispositivos de conversión fotovoltaica basados en nuevos materiales, y, por otro lado, se estudiarán SFV bajo diversas condiciones de cielo. Asimismo, el proyecto propicia la formación de recursos humanos, tanto de docentes investigadores como de estudiantes de grado y posgrado. Finalmente, la investigación propuesta brinda la posibilidad de continuar y fortalecer el trabajo en conjunto con otros centros académicos del área de influencia de la UNAJ abocados al tema en cuestión.Red de Universidades con Carreras en Informática2025-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf62-66http://sedici.unlp.edu.ar/handle/10915/183727spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261info: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:UNLP2025-09-29T11:50:12Zoai:sedici.unlp.edu.ar:10915/183727Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:50:12.805SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
title Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
spellingShingle Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
Cappelletti, Marcelo Ángel
Ciencias Informáticas
Aprendizaje automático
Optimización
Energía solar
title_short Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
title_full Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
title_fullStr Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
title_full_unstemmed Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
title_sort Estrategias y algoritmos de optimización mediante aprendizaje automático aplicadas a sistemas basados en energías renovables
dc.creator.none.fl_str_mv Cappelletti, Marcelo Ángel
Olivera, Lucas
Saltos, Harry
Pinzón Rueda, Carlos
Guzmán, Jésica
Schenone, Carlos
Osio, Jorge Rafael
Alvira, Fernando Carlos
Gil Rebaza, Arles Víctor
Denon, Nicole
Botta, Christian
Gross, Patricio Martín
Amet, Leonardo
Morales, Martín Alberto
author Cappelletti, Marcelo Ángel
author_facet Cappelletti, Marcelo Ángel
Olivera, Lucas
Saltos, Harry
Pinzón Rueda, Carlos
Guzmán, Jésica
Schenone, Carlos
Osio, Jorge Rafael
Alvira, Fernando Carlos
Gil Rebaza, Arles Víctor
Denon, Nicole
Botta, Christian
Gross, Patricio Martín
Amet, Leonardo
Morales, Martín Alberto
author_role author
author2 Olivera, Lucas
Saltos, Harry
Pinzón Rueda, Carlos
Guzmán, Jésica
Schenone, Carlos
Osio, Jorge Rafael
Alvira, Fernando Carlos
Gil Rebaza, Arles Víctor
Denon, Nicole
Botta, Christian
Gross, Patricio Martín
Amet, Leonardo
Morales, Martín Alberto
author2_role author
author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aprendizaje automático
Optimización
Energía solar
topic Ciencias Informáticas
Aprendizaje automático
Optimización
Energía solar
dc.description.none.fl_txt_mv El aumento del consumo energético promueve el uso de nuevas tecnologías basadas en recursos renovables para generar electricidad en detrimento de los combustibles fósiles (carbón, petróleo, gas natural), lo cual a su vez contribuye a reducir las emisiones de dióxido de carbono a la atmósfera y proteger nuestro medio ambiente. En particular, la energía solar fotovoltaica constituye una de las opciones más prometedoras, dado que se presenta como una fuente limpia y renovable de electricidad con bajo impacto ambiental, disponibilidad en el sitio de consumo y sostenibilidad. Sin embargo, existen ciertas dificultades para integrar esta energía a la red eléctrica. Las razones son principalmente la variabilidad del recurso solar, incluyendo la falta de predicción del mismo, las dificultades para reemplazar a los generadores tradicionales en algunos servicios de red, y la importante inversión inicial requerida para la instalación de plantas de generación basadas en conversión fotovoltaica. El objetivo general del presente proyecto es el de contribuir al desarrollo sostenible realizando aportes científico-tecnológicos que redunden en métodos y procesos más eficientes de generación de energía eléctrica a partir de recursos energéticos renovables como lo es la energía solar. Estas contribuciones se darán tanto en el diseño de celdas solares de nuevos materiales, como así también en el análisis de sistemas fotovoltaicos (SFV), con el fin de reducir los costos asociados a la producción energética para que estos emprendimientos resulten competitivos y puedan ser aplicables a nivel local y regional, tanto para actividades domésticas como industriales. En este proyecto, la investigación se enfocará sobre estrategias y algoritmos de optimización mediante el uso de aprendizaje automático (machine learning), aplicadas a dos ejes temáticos diferentes, por un lado, se apuntará al estudio de dispositivos de conversión fotovoltaica basados en nuevos materiales, y, por otro lado, se estudiarán SFV bajo diversas condiciones de cielo. Asimismo, el proyecto propicia la formación de recursos humanos, tanto de docentes investigadores como de estudiantes de grado y posgrado. Finalmente, la investigación propuesta brinda la posibilidad de continuar y fortalecer el trabajo en conjunto con otros centros académicos del área de influencia de la UNAJ abocados al tema en cuestión.
Red de Universidades con Carreras en Informática
description El aumento del consumo energético promueve el uso de nuevas tecnologías basadas en recursos renovables para generar electricidad en detrimento de los combustibles fósiles (carbón, petróleo, gas natural), lo cual a su vez contribuye a reducir las emisiones de dióxido de carbono a la atmósfera y proteger nuestro medio ambiente. En particular, la energía solar fotovoltaica constituye una de las opciones más prometedoras, dado que se presenta como una fuente limpia y renovable de electricidad con bajo impacto ambiental, disponibilidad en el sitio de consumo y sostenibilidad. Sin embargo, existen ciertas dificultades para integrar esta energía a la red eléctrica. Las razones son principalmente la variabilidad del recurso solar, incluyendo la falta de predicción del mismo, las dificultades para reemplazar a los generadores tradicionales en algunos servicios de red, y la importante inversión inicial requerida para la instalación de plantas de generación basadas en conversión fotovoltaica. El objetivo general del presente proyecto es el de contribuir al desarrollo sostenible realizando aportes científico-tecnológicos que redunden en métodos y procesos más eficientes de generación de energía eléctrica a partir de recursos energéticos renovables como lo es la energía solar. Estas contribuciones se darán tanto en el diseño de celdas solares de nuevos materiales, como así también en el análisis de sistemas fotovoltaicos (SFV), con el fin de reducir los costos asociados a la producción energética para que estos emprendimientos resulten competitivos y puedan ser aplicables a nivel local y regional, tanto para actividades domésticas como industriales. En este proyecto, la investigación se enfocará sobre estrategias y algoritmos de optimización mediante el uso de aprendizaje automático (machine learning), aplicadas a dos ejes temáticos diferentes, por un lado, se apuntará al estudio de dispositivos de conversión fotovoltaica basados en nuevos materiales, y, por otro lado, se estudiarán SFV bajo diversas condiciones de cielo. Asimismo, el proyecto propicia la formación de recursos humanos, tanto de docentes investigadores como de estudiantes de grado y posgrado. Finalmente, la investigación propuesta brinda la posibilidad de continuar y fortalecer el trabajo en conjunto con otros centros académicos del área de influencia de la UNAJ abocados al tema en cuestión.
publishDate 2025
dc.date.none.fl_str_mv 2025-04
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/10915/183727
url http://sedici.unlp.edu.ar/handle/10915/183727
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261
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
62-66
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_ 1844616361389588480
score 13.070432