Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.

The design of the algorithm for the prediction of solar radiation using Machine Learning techniques was developed by applying the keras and Tenson Flow libraries for the creation of the LSTM sequential model neural network that selected previous data and predicted a later week, was recorded with a m...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Lalaleo Achachi, Diego Fernando (author)
Formato: masterThesis
Lenguaje:spa
Publicado: 2021
Materias:
Acceso en línea:http://repositorio.utc.edu.ec/handle/27000/8014
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
_version_ 1863503500442337280
author Lalaleo Achachi, Diego Fernando
author_facet Lalaleo Achachi, Diego Fernando
author_role author
collection Repositorio Universidad Técnica de Cotopaxi
dc.contributor.none.fl_str_mv Proaño, Xavier
dc.creator.none.fl_str_mv Lalaleo Achachi, Diego Fernando
dc.date.none.fl_str_mv 2021-08
2022-01-18T21:26:04Z
2022-01-18T21:26:04Z
dc.format.none.fl_str_mv 85 páginas
application/pdf
dc.identifier.none.fl_str_mv Lalaleo Achachi Diego Fernando (2021), Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso. UTC. Latacunga. 85 p.
MUTC-001017
http://repositorio.utc.edu.ec/handle/27000/8014
dc.language.none.fl_str_mv spa
dc.publisher.none.fl_str_mv Ecuador: Latacunga: Universidad Técnica de Cotopaxi: UTC.
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/ec/
info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:Repositorio Universidad Técnica de Cotopaxi
instname:Universidad Técnica de Cotopaxi
instacron:UTC
dc.subject.none.fl_str_mv MACHINE LEARNING
RADIACIÓN SOLAR
RED NEURONAL
LSTM
ELECTRICIDAD
dc.title.none.fl_str_mv Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/masterThesis
description The design of the algorithm for the prediction of solar radiation using Machine Learning techniques was developed by applying the keras and Tenson Flow libraries for the creation of the LSTM sequential model neural network that selected previous data and predicted a later week, was recorded with a meteorological station the measurement of the climate variables in intervals of every minute to export the measurement file in .CSV format, the data processing was coded in Google Colab so that the information resources are carried out by the server, the programming language is Python, the results obtained are values of solar radiation in the range from 6:00 a.m. to 6:00 p.m., the sequence of hours with time is relevant, if a value was null or the order of the data is altered, the results are different from the real ones because time series are applied to the forecast data and the result is the forecast for each hour of the following seven continuous days.
eu_rights_str_mv openAccess
format masterThesis
id UTC_0fe40662387d323df9baa7fcd4c3344f
identifier_str_mv Lalaleo Achachi Diego Fernando (2021), Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso. UTC. Latacunga. 85 p.
MUTC-001017
instacron_str UTC
institution UTC
instname_str Universidad Técnica de Cotopaxi
language spa
network_acronym_str UTC
network_name_str Repositorio Universidad Técnica de Cotopaxi
oai_identifier_str oai:repositorio.utc.edu.ec:27000/8014
publishDate 2021
publisher.none.fl_str_mv Ecuador: Latacunga: Universidad Técnica de Cotopaxi: UTC.
reponame_str Repositorio Universidad Técnica de Cotopaxi
repository.mail.fl_str_mv .
repository.name.fl_str_mv Repositorio Universidad Técnica de Cotopaxi - Universidad Técnica de Cotopaxi
repository_id_str 0
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/ec/
spelling Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.Lalaleo Achachi, Diego FernandoMACHINE LEARNINGRADIACIÓN SOLARRED NEURONALLSTMELECTRICIDADThe design of the algorithm for the prediction of solar radiation using Machine Learning techniques was developed by applying the keras and Tenson Flow libraries for the creation of the LSTM sequential model neural network that selected previous data and predicted a later week, was recorded with a meteorological station the measurement of the climate variables in intervals of every minute to export the measurement file in .CSV format, the data processing was coded in Google Colab so that the information resources are carried out by the server, the programming language is Python, the results obtained are values of solar radiation in the range from 6:00 a.m. to 6:00 p.m., the sequence of hours with time is relevant, if a value was null or the order of the data is altered, the results are different from the real ones because time series are applied to the forecast data and the result is the forecast for each hour of the following seven continuous days.El diseño del algoritmo para la predicción de la radiación solar mediante técnicas de Machine Learning, se desarrolló aplicando las librerías de keras y tenson Flow para la creación de la red neuronal LSTM modelo secuencial que seleccionó datos anteriores y predijo una semana posterior, se registró con una estación meteorológica la medición de las variables del clima en intervalos de cada minuto para exportar el archivo de medición en formato .CSV, se codificó en Google Colab el procesamiento de datos para que los recursos informativos lo realice el servidor, el lenguaje de programación es Python, los resultados obtenidos son valores de radiación solar en el rango de 6:00 a 18:00 horas, es relevante la secuencia de horas con el tiempo, si un valor fue nulo o se altera el orden de los datos, los resultados son diferentes a los reales por estar aplicado series de tiempo en los datos de predicción y el resultado es la predicción de cada hora de los siguientes siete días continuos.Ecuador: Latacunga: Universidad Técnica de Cotopaxi: UTC.Proaño, Xavier2022-01-18T21:26:04Z2022-01-18T21:26:04Z2021-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis85 páginasapplication/pdfLalaleo Achachi Diego Fernando (2021), Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso. UTC. Latacunga. 85 p.MUTC-001017http://repositorio.utc.edu.ec/handle/27000/8014spahttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Técnica de Cotopaxiinstname:Universidad Técnica de Cotopaxiinstacron:UTC2022-01-19T08:00:34Zoai:repositorio.utc.edu.ec:27000/8014Institucionalhttp://repositorio.utc.edu.ec/Universidad públicahttps://www.utc.edu.ec/..Ecuador...opendoar:02026-04-26T03:41:50.960370Repositorio Universidad Técnica de Cotopaxi - Universidad Técnica de Cotopaxitrue
spellingShingle Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
Lalaleo Achachi, Diego Fernando
MACHINE LEARNING
RADIACIÓN SOLAR
RED NEURONAL
LSTM
ELECTRICIDAD
status_str publishedVersion
title Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
title_full Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
title_fullStr Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
title_full_unstemmed Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
title_short Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
title_sort Diseño de un algoritmo utilizando Machine Learning para la predicción de la radiación solar en el sector de Lasso.
topic MACHINE LEARNING
RADIACIÓN SOLAR
RED NEURONAL
LSTM
ELECTRICIDAD
url http://repositorio.utc.edu.ec/handle/27000/8014