Pronóstico de radiación solar mediante aprendizaje automático utilizando software de código abierto

Abstract

El presente trabajo de investigación se enfoca en predecir la radiación solar. La importancia de realizar esta predicción radica en sus diversas aplicaciones como: la generación de energía renovable, la fotosíntesis para el crecimiento de las plantas, para sistemas térmicos para calentar agua, etc. La metodología utilizada implica el diseño, implementación y comparación de varios modelos de predicción, estos modelos se basan en técnicas de aprendizaje automático y son implementados mediante software de código abierto (Python), entre las técnicas empleadas se encuentran la regresión lineal simple, unidades recurrentes cerradas (GRU) y redes neuronales. Para evaluar la efectividad de estos modelos, se utilizan métricas como el Error Cuadrático Medio (MSE), el Error Absoluto Medio (MAE) y el coeficiente de determinación (R2), estas métricas permiten medir la precisión de las predicciones en comparación con los datos reales. Para el análisis de los resultados obtenidos de cada modelo de predicción, se realiza en tres escenarios: un día (2023/02/06), una semana (2023/02/13 al 2023/02/19) y un mes (marzo del 2023), en el cual, el que mejor destaca en los tres escenarios de análisis, es el modelo de regresión lineal simple debido a su consistente desempeño superior en diversas métricas. Con un bajo Error Absoluto Medio (MAE = 19,379), alto Coeficiente de Determinación (R2 = 0,9937) cercano a 1, y el Error Cuadrático Medio (MSE = 525,963) más bajo en todas las instancias, esta técnica demuestra ofrecer predicciones más precisas y un ajuste robusto.