Predicción de radiación solar en sistemas fotovoltaicos utilizando técnicas de aprendizaje automático
| dc.contributor.advisor | Mullo Pallo, Mauricio Eduardo | |
| dc.contributor.author | Palomo Rogia, Wilson David | |
| dc.date.accessioned | 2025-11-20T23:43:49Z | |
| dc.date.available | 2025-11-20T23:43:49Z | |
| dc.date.issued | 2025-01-23 | |
| dc.description.abstract | La creciente demanda de energías renovables, enfocándose específicamente en los sistemas fotovoltaicos que aprovechan la energía solar como una solución viable y sostenible. La metodología implementada incluyó el análisis y tratamiento de los datos de radiación solar recopilados cada hora durante el periodo 2017-2023. Estos datos fueron fundamentales para realizar las predicciones de enero, febrero y marzo del 2024. El propósito de estas predicciones fue optimizar el dimensionamiento de un sistema fotovoltaico apropiado para un área urbana. Para este propósito, se utilizó un algoritmo de árbol de decisión, una técnica destacada dentro del campo del aprendizaje automático, implementada mediante el software Python por su facilidad de acceso y versatilidad. Los resultados se almacenaron en un archivo .xlsx, lo que simplificó el proceso de dimensionamiento del sistema. Además, se incorporaron cálculos de desviación estándar para estimar la radiación solar en los próximos tres meses, permitiendo así un cálculo preciso y adecuado del sistema fotovoltaico necesario. En conclusión, el sistema fotovoltaico diseñado se dimensiono eficazmente a partir del análisis predictivo proporcionado por el algoritmo. Con una potencia pico de 1,26 kWp y una configuración de almacenamiento bien adaptada, este sistema está equipado para cumplir con las demandas energéticas diarias de 123,5 kWh. | |
| dc.format.extent | 1 - 18 páginas | |
| dc.identifier.citation | Palomo, W., Quinatoa, C., Mullo, M., & Castillo, J. (2025). Predicción de radiación solar en sistemas fotovoltaicos utilizando técnicas de aprendizaje automático. CONECTIVIDAD, 6(1), 338–355. https://doi.org/10.37431/conectividad.v6i1.196 | |
| dc.identifier.issn | 2806-5875 | |
| dc.identifier.other | UTC-POS-MELEC-2025-009-ART | |
| dc.identifier.uri | https://doi.org/10.37431/conectividad.v6i1.196 | |
| dc.identifier.uri | https://repositorio.utc.edu.ec/handle/123456789/15251 | |
| dc.language.iso | es | |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC) | |
| dc.subject | ENERGÍA RENOVABLE | |
| dc.subject | SISTEMAS FOTOVOLTAICOS | |
| dc.subject | PREDICCIÓN | |
| dc.subject | ÁRBOL DE DECISIÓN | |
| dc.title | Predicción de radiación solar en sistemas fotovoltaicos utilizando técnicas de aprendizaje automático | |
| dc.type | Article |