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 predicción de generación fotovoltaica.
No Thumbnail Available
Date
2022
Authors
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)
Abstract
La investigación presenta un modelo de predicción 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 predicción fue creado en Python y las variables de mayor incidencia. Este modelo realiza una predicción 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 predicción de un mes completo donde se entrenó con datos del mes marzo para llegar a predecir mayo. La eficiencia en la predicción diaria es del 91,41% y la mensual del 94,47%, la predicción 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.
Description
The research presents a photovoltaic generation prediction model using Machine Learning and one of its main learning machines "Random Forest", this research took place at La Hacienda "La Campiña" located in the Mulaló parish that belongs to the Latacunga canton, where made the actual data collection of solar irradiation and temperature in the period of the year 2020 with a measuring instrument called Solar Power Meter SM206 pyranometer. The prediction model was created in Python and the variables with the highest incidence. This model makes a prediction of the Power variable, it was trained with the Solar Irradiation and Temperature variables. The process consists of entering the variables first of any day to predict a selected variable of another day, here we take data from January 1 to its training and we predict the 20th day of the same month with the largest amount of variable data to have an error that is between the permissible margins and guarantee the efficiency of the model in the same way the prediction of a full month was made where it was trained with data for the month of March to predict May. The efficiency in the daily prediction is 91.41% and the monthly one is 94.47%, the monthly prediction becomes more effective because it contains a greater number of data for each variable, therefore the training performance is more profitable. , it should be noted that this model uses 1000 Decision Trees.
Keywords
SISTEMA FOTOVOLTAICO, MACHINE LEARNING, ÁRBOL DE DECISIÓN, VARIABLE ESTOCÁSTICA
Citation
Núñez Verdezoto Marlon Daniel (2022); 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 predicción de generación fotovoltaica. UTC. Latacunga. 127 p.