Estimación de irradiancia empleando redes neuronales artificiales con variables meteorológicas y eléctricas de módulos fotovoltaicos
En este trabajo se presenta la estimación de la irradiancia solar mediante una arquitectura de red neuronal artificial desarrollada mediante un método heurístico. Las condiciones meteorológicas como velocidad y dirección del viento, temperatura ambiente, así como el voltaje, corriente y temperatura...
| Autores: | , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2016 |
| País: | México |
| Institución: | Universidad Autónoma de Yucatán |
| Repositorio: | Redalyc-UADY |
| OAI Identifier: | oai:redalyc.org:46750929003 |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=46750929003 https://www.redalyc.org/journal/467/46750929003/ https://www.redalyc.org/journal/467/46750929003/html/ https://www.redalyc.org/journal/467/46750929003/46750929003.epub https://www.redalyc.org/journal/467/46750929003/movil |
| Access Level: | acceso abierto |
| Palabra clave: | Ingeniería Energía solar estimación de recursos inteligencia artificial |
| Sumario: | En este trabajo se presenta la estimación de la irradiancia solar mediante una arquitectura de red neuronal artificial desarrollada mediante un método heurístico. Las condiciones meteorológicas como velocidad y dirección del viento, temperatura ambiente, así como el voltaje, corriente y temperatura de un módulo fotovoltaico, fueron usadas como variables de entrada de la red neuronal, y la irra diancia como variable de salida. Los pesos y bias de la red fueron optimizados con el entrenamiento continuo variando parámetros de la arquitectura y probando diferentes algoritmos de optimización. El rendimiento de la arquitectura fue evaluado con criteri os estadísticos para la validación de la red, comparando datos simulados con datos experimentales. La mejor arquitectura fue 14 neuronas en la capa oculta con 95% de coeficiente de correlación. |
|---|