Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales
La energía tradicional y la no contaminante es un tema relevante para la humanidad debido a su crecimiento exponencial en los últimos años y a la necesidad que se tiene de la energía. Conociendo que la mayor fuente de energía que se dispone es la energía solar debemos aprovechar este recurso para as...
Gardado en:
| Autor Principal: | |
|---|---|
| Formato: | bachelorThesis |
| Idioma: | spa |
| Publicado: |
2022
|
| Subjects: | |
| Acceso en liña: | http://dspace.ups.edu.ec/handle/123456789/21913 |
| Tags: |
Engadir etiqueta
Sen Etiquetas, Sexa o primeiro en etiquetar este rexistro!
|
Engadir etiqueta | _version_ | 1863428349252075520 |
|---|---|
| author | Carrillo Andrade, Fabricio Andres |
| author_facet | Carrillo Andrade, Fabricio Andres |
| author_role | author |
| collection | Repositorio Universidad Politécnica Salesiana |
| dc.contributor.none.fl_str_mv | Valenzuela Santillán, Alex David |
| dc.creator.none.fl_str_mv | Carrillo Andrade, Fabricio Andres |
| dc.date.none.fl_str_mv | 2022-02-22T22:08:14Z 2022-02-22T22:08:14Z 2022-02 |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://dspace.ups.edu.ec/handle/123456789/21913 |
| dc.language.none.fl_str_mv | spa |
| dc.rights.none.fl_str_mv | Atribución-NoComercial-SinDerivadas 3.0 Ecuador http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:Repositorio Universidad Politécnica Salesiana instname:Universidad Politécnica Salesiana instacron:UPS |
| dc.subject.none.fl_str_mv | INGENIERÍA ELÉCTRICA PREDICCIONES ENERGÍA SOLAR ENERGÍA ELÉCTRICA INDUSTRIAS REDES NEURONALES (COMPUTADORES) |
| dc.title.none.fl_str_mv | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bachelorThesis |
| description | La energía tradicional y la no contaminante es un tema relevante para la humanidad debido a su crecimiento exponencial en los últimos años y a la necesidad que se tiene de la energía. Conociendo que la mayor fuente de energía que se dispone es la energía solar debemos aprovechar este recurso para así crear energías renovables que pueda sustituir a las no renovables y de paso disminuir las emisiones de gases a la atmosfera. Para un óptimo aprovechamiento se usarán sistemas fotovoltaicos y fototérmicos lo que conlleva la necesidad de un amplio conocimiento sobre la radiación solar que impacta la corteza terrestre, considerando que estos valores cambian en cuestión de horas, días o meses dependiendo de su latitud y los microclimas de cada zona. Para esta investigación expondremos el entrenamiento de una red neuronal artificial basado en multicapas para predecir un horizonte a corto plazo de radiación solar. Los modelos que consideramos varían de acuerdo al algoritmo utilizado para entrenar a la red neuronal artificial y esto hace que tengamos diferentes valores de potencia en la simulación de un módulo fotovoltaico. |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | UPS_f62050cd813574cc47dbdb5644e6448b |
| instacron_str | UPS |
| institution | UPS |
| instname_str | Universidad Politécnica Salesiana |
| language | spa |
| network_acronym_str | UPS |
| network_name_str | Repositorio Universidad Politécnica Salesiana |
| oai_identifier_str | oai:dspace.ups.edu.ec:123456789/21913 |
| publishDate | 2022 |
| reponame_str | Repositorio Universidad Politécnica Salesiana |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesiana |
| repository_id_str | 1737 |
| rights_invalid_str_mv | Atribución-NoComercial-SinDerivadas 3.0 Ecuador http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ |
| spelling | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificialesCarrillo Andrade, Fabricio AndresINGENIERÍA ELÉCTRICAPREDICCIONESENERGÍA SOLARENERGÍA ELÉCTRICAINDUSTRIASREDES NEURONALES (COMPUTADORES)La energía tradicional y la no contaminante es un tema relevante para la humanidad debido a su crecimiento exponencial en los últimos años y a la necesidad que se tiene de la energía. Conociendo que la mayor fuente de energía que se dispone es la energía solar debemos aprovechar este recurso para así crear energías renovables que pueda sustituir a las no renovables y de paso disminuir las emisiones de gases a la atmosfera. Para un óptimo aprovechamiento se usarán sistemas fotovoltaicos y fototérmicos lo que conlleva la necesidad de un amplio conocimiento sobre la radiación solar que impacta la corteza terrestre, considerando que estos valores cambian en cuestión de horas, días o meses dependiendo de su latitud y los microclimas de cada zona. Para esta investigación expondremos el entrenamiento de una red neuronal artificial basado en multicapas para predecir un horizonte a corto plazo de radiación solar. Los modelos que consideramos varían de acuerdo al algoritmo utilizado para entrenar a la red neuronal artificial y esto hace que tengamos diferentes valores de potencia en la simulación de un módulo fotovoltaico.Traditional and non-polluting energy is a relevant issue for humanity due to its exponential growth in recent years and the need for energy. Knowing that the largest source of energy available is solar energy, we must take advantage of this resource in order to create renewable energies that can replace non-renewable ones and, incidentally, reduce gas emissions into the atmosphere. For optimal use, photovoltaic and photothermal systems will be used, which entails the need for extensive knowledge about solar radiation that reaches the earth's surface, considering that these values change in a matter of hours, days or months depending on its latitude and the microclimates of each zone. For this research we will expose the training of an artificial neural network based on multilayers to predict a short-term horizon of solar radiation. The models that we consider vary according to the algorithm used in the training of an artificial neural network and this means that we have different power values in the simulation of a photovoltaic module.Valenzuela Santillán, Alex David2022-02-22T22:08:14Z2022-02-22T22:08:14Z2022-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://dspace.ups.edu.ec/handle/123456789/21913spaAtribución-NoComercial-SinDerivadas 3.0 Ecuadorhttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Politécnica Salesianainstname:Universidad Politécnica Salesianainstacron:UPS2022-02-22T22:08:20Zoai:dspace.ups.edu.ec:123456789/21913Institucionalhttps://dspace.ups.edu.ec/Institución privadahttps://www.ups.edu.ec/https://dspace.ups.edu.ec/oai.Ecuador...opendoar:17372022-02-22T22:08:20Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesianafalse |
| spellingShingle | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales Carrillo Andrade, Fabricio Andres INGENIERÍA ELÉCTRICA PREDICCIONES ENERGÍA SOLAR ENERGÍA ELÉCTRICA INDUSTRIAS REDES NEURONALES (COMPUTADORES) |
| status_str | publishedVersion |
| title | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| title_full | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| title_fullStr | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| title_full_unstemmed | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| title_short | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| title_sort | Pronóstico del recurso solar a corto plazo para Distritos industriales basado en redes neuronales artificiales |
| topic | INGENIERÍA ELÉCTRICA PREDICCIONES ENERGÍA SOLAR ENERGÍA ELÉCTRICA INDUSTRIAS REDES NEURONALES (COMPUTADORES) |
| url | http://dspace.ups.edu.ec/handle/123456789/21913 |