Análisis del potencial de irradiación solar en la hacienda "La Campiña" de la parroquia de Mulaló. Propuesta para aplicación de un algoritmo de optimización basado en machine learning en la pbkp_redicción de generación fotovoltaica.

Abstract:

La investigación presenta un modelo de pbkp_redicción de generación fotovoltaica utilizando Machine Learning y una de sus principales máquinas de aprendizaje “Random Forest”, esta investigación tuvo lugar en La Hacienda “La Campiña” ubicada en la parroquia Mulaló que pertenece al cantón Latacunga, donde se realizó la toma de datos reales de Irradiación solar y Temperatura en el Lapso del año 2020 con un instrumento de medición llamado piranómetro Solar Power Meter SM206. El modelo de pbkp_redicción fue creado en Python y las variables de mayor incidencia. Este modelo realiza una pbkp_redicción de la variable Potencia, fue entrenado con las variables de Irradiación solar y Temperatura el proceso consiste en ingresar las variables primero de un día cualquiera para predecir una variable seleccionada de otro día, aquí tomamos datos del día 01 de enero para su entrenamiento y predecimos el día 20 del mismo mes con la mayor cantidad de datos de variables para tener un error que se encuentra entre los márgenes permisibles y garantice la eficiencia del modelo de la misma manera se realizó la pbkp_redicción de un mes completo donde se entrenó con datos del mes marzo para llegar a predecir mayo. La eficiencia en la pbkp_redicción diaria es del 91,41% y la mensual del 94,47%, la pbkp_redicción mensual llega a ser más efectiva debido a que contiene mayor número de datos de cada variable por ende el desempeño en el entrenamiento es más rentable, cabe recalcar que este modelo utiliza 1 000 Árboles de decisión.

Año de publicación:

2022

Keywords:

• Electricidad
• Machine learning
• VARIABLE ESTOCÁSTICA
• ÁRBOL DE DECISIÓN
• Sistema fotovoltaíco

Fuente:

rraae