Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.

XLV Reunión de Trabajo de la ASADES (Salta, 31 de octubre al 3 de noviembre de 2023).

Detalles Bibliográficos
Autores: Iturbide, Paula, Orsi, Ximena, Denegri, María José, Fioretti, Santiago, Ruiz, Pablo, Luza, Sergio, Stern, Valeria, Alonso-Suárez, Rodrigo, Ronchetti, Franco
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2023
País:Uruguay
Institución:Universidad de la República
Repositorio:COLIBRI
Idioma:español
OAI Identifier:oai:colibri.udelar.edu.uy:20.500.12008/47237
Acceso en línea:https://hdl.handle.net/20.500.12008/47237
Access Level:acceso abierto
Palabra clave:Radiación solar
Aprendizaje automático
Imágenes satelitales
GOES16
GHI
id UY_5c4a885479bc2b85db7d74900a09d20b
oai_identifier_str oai:colibri.udelar.edu.uy:20.500.12008/47237
network_acronym_str UY
network_name_str Uruguay
repository_id_str
dc.title.none.fl_str_mv Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
title Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
spellingShingle Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
Iturbide, Paula
Radiación solar
Aprendizaje automático
Imágenes satelitales
GOES16
GHI
title_short Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
title_full Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
title_fullStr Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
title_full_unstemmed Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
title_sort Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.
dc.creator.none.fl_str_mv Iturbide, Paula
Orsi, Ximena
Denegri, María José
Fioretti, Santiago
Ruiz, Pablo
Luza, Sergio
Stern, Valeria
Alonso-Suárez, Rodrigo
Ronchetti, Franco
author Iturbide, Paula
author_facet Iturbide, Paula
Orsi, Ximena
Denegri, María José
Fioretti, Santiago
Ruiz, Pablo
Luza, Sergio
Stern, Valeria
Alonso-Suárez, Rodrigo
Ronchetti, Franco
author_role author
author2 Orsi, Ximena
Denegri, María José
Fioretti, Santiago
Ruiz, Pablo
Luza, Sergio
Stern, Valeria
Alonso-Suárez, Rodrigo
Ronchetti, Franco
author2_role author
author
author
author
author
author
author
author
dc.contributor.filiacion.none.fl_str_mv Iturbide Paula, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Orsi Ximena, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Denegri María José, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Fioretti Santiago, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Ruiz Pablo, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Luza Sergio, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Stern Valeria, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).
Alonso-Suárez Rodrigo, Universidad de la República (Uruguay). CENUR Litoral Norte. Laboratorio de Energía Solar.
Ronchetti Franco, Universidad Nacional de La Plata (Argentina). Instituto de Investigación en Informática.
dc.subject.es.fl_str_mv Radiación solar
Aprendizaje automático
Imágenes satelitales
GOES16
GHI
topic Radiación solar
Aprendizaje automático
Imágenes satelitales
GOES16
GHI
description XLV Reunión de Trabajo de la ASADES (Salta, 31 de octubre al 3 de noviembre de 2023).
publishDate 2023
dc.date.issued.none.fl_str_mv 2023
dc.date.accessioned.none.fl_str_mv 2024-11-27T17:30:08Z
dc.date.available.none.fl_str_mv 2024-11-27T17:30:08Z
dc.type.es.fl_str_mv Artículo
dc.type.none.fl_str_mv info:eu-repo/semantics/article
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.citation.es.fl_str_mv Iturbide, P., Orsi, X., Denegri, M. y otros. "Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala". Avances en Energías Renovables y Medio Ambiente; vol. 27. [en línea] 2023, pp. 462-473.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12008/47237
identifier_str_mv Iturbide, P., Orsi, X., Denegri, M. y otros. "Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala". Avances en Energías Renovables y Medio Ambiente; vol. 27. [en línea] 2023, pp. 462-473.
url https://hdl.handle.net/20.500.12008/47237
dc.language.iso.none.fl_str_mv es
spa
language_invalid_str_mv es
language spa
dc.relation.none.fl_str_mv Avances en Energías Renovables y Medio Ambiente; vol. 27, pp. 462-473, 2023.
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.license.none.fl_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
dc.format.extent.es.fl_str_mv 12 p.
dc.format.mimetype.es.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:COLIBRI
instname:Universidad de la República
instacron:Universidad de la República
instname_str Universidad de la República
instacron_str Universidad de la República
institution Universidad de la República
reponame_str COLIBRI
collection COLIBRI
bitstream.url.fl_str_mv http://localhost:8080/xmlui/bitstream/20.500.12008/47237/5/license.txt
http://localhost:8080/xmlui/bitstream/20.500.12008/47237/2/license_url
http://localhost:8080/xmlui/bitstream/20.500.12008/47237/3/license_text
http://localhost:8080/xmlui/bitstream/20.500.12008/47237/4/license_rdf
http://localhost:8080/xmlui/bitstream/20.500.12008/47237/1/IODFRLSAR23.pdf
bitstream.checksum.fl_str_mv 6429389a7df7277b72b7924fdc7d47a9
a006180e3f5b2ad0b88185d14284c0e0
61cc309dd656ef186e2e162c0c6635fb
13adb202270a5f7cee03e795b33133c4
e2b0b947ca91c8553a5fc60c9465a88f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv COLIBRI - Universidad de la República
repository.mail.fl_str_mv karina.camps@seciu.edu.uy
_version_ 1870824034824880128
spelling Iturbide Paula, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Orsi Ximena, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Denegri María José, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Fioretti Santiago, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Ruiz Pablo, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Luza Sergio, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Stern Valeria, Universidad Nacional de Luján (Argentina). Instituto de Ecología y Desarrollo Sustentable (INEDES).Alonso-Suárez Rodrigo, Universidad de la República (Uruguay). CENUR Litoral Norte. Laboratorio de Energía Solar.Ronchetti Franco, Universidad Nacional de La Plata (Argentina). Instituto de Investigación en Informática.2024-11-27T17:30:08Z2024-11-27T17:30:08Z2023Iturbide, P., Orsi, X., Denegri, M. y otros. "Modelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala". Avances en Energías Renovables y Medio Ambiente; vol. 27. [en línea] 2023, pp. 462-473.https://hdl.handle.net/20.500.12008/47237XLV Reunión de Trabajo de la ASADES (Salta, 31 de octubre al 3 de noviembre de 2023).La falta de precisión en los datos de radiación solar puede tener un gran impacto en la rentabilidad de los proyectos de energía solar. Las redes de medición terrestre ofrecen información limitada por su distribución esparza en el territorio. Esto lleva a desarrollar modelos de estimación por imágenes satelitales, los cuales resuelven la espacialidad si son ajustados a mediciones terrestres de calidad. En este estudio, se desarrollan y validan modelos empíricos de aprendizaje automático para la estimación por satélite de radiación solar global horizontal, demostrando su utilidad y precisión en la región analizada. Estos modelos se alimentan con variables provenientes de imágenes satelitales GOES- 16 y variables geométricas. Los resultados sugieren que para ciertas combinaciones de variables satelitales de entrada, la información geométrica puede ser utilizada en forma implícita para realizar estimaciones precisas de la radiación solar. Debido al volumen de la información satelital disponible, desarrollamos un análisis de componentes principales para reducir la dimensionalidad. Para comparar el modelo propuesto adaptamos localmente las estimaciones del Heliosat-4 y del CIM-ESRA al sitio, y también implementamos el modelo CIM-McClear. Los resultados muestran una superioridad de desempeño del modelo de aprendizaje automático propuesto, demostrando que es capaz de extraer información de la multiescala espacial satelital. Por otro lado, la mejora de desempeño obtenida es leve, lo que muestra la dificultad en seguir mejorando el desempeño de la estimación satelital de radiación solar.Submitted by Rodríguez Eugenia (rodriguezvalverdeeugenia@gmail.com) on 2024-11-26T17:03:38Z No. of bitstreams: 2 license_rdf: 25790 bytes, checksum: 13adb202270a5f7cee03e795b33133c4 (MD5) IODFRLSAR23.pdf: 1547441 bytes, checksum: e2b0b947ca91c8553a5fc60c9465a88f (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2024-11-27T15:49:47Z (GMT) No. of bitstreams: 2 license_rdf: 25790 bytes, checksum: 13adb202270a5f7cee03e795b33133c4 (MD5) IODFRLSAR23.pdf: 1547441 bytes, checksum: e2b0b947ca91c8553a5fc60c9465a88f (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2024-11-27T17:30:08Z (GMT). No. of bitstreams: 2 license_rdf: 25790 bytes, checksum: 13adb202270a5f7cee03e795b33133c4 (MD5) IODFRLSAR23.pdf: 1547441 bytes, checksum: e2b0b947ca91c8553a5fc60c9465a88f (MD5) Previous issue date: 202312 p.application/pdfesspaAvances en Energías Renovables y Medio Ambiente; vol. 27, pp. 462-473, 2023.Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)Radiación solarAprendizaje automáticoImágenes satelitalesGOES16GHIModelos de Machine Learning para estimar la radiación solar en plano horizontal utilizando información satelital multiescala.Artículoinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaIturbide, PaulaOrsi, XimenaDenegri, María JoséFioretti, SantiagoRuiz, PabloLuza, SergioStern, ValeriaAlonso-Suárez, RodrigoRonchetti, FrancoLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/47237/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/47237/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-829893http://localhost:8080/xmlui/bitstream/20.500.12008/47237/3/license_text61cc309dd656ef186e2e162c0c6635fbMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-825790http://localhost:8080/xmlui/bitstream/20.500.12008/47237/4/license_rdf13adb202270a5f7cee03e795b33133c4MD54ORIGINALIODFRLSAR23.pdfIODFRLSAR23.pdfapplication/pdf1547441http://localhost:8080/xmlui/bitstream/20.500.12008/47237/1/IODFRLSAR23.pdfe2b0b947ca91c8553a5fc60c9465a88fMD5120.500.12008/472372024-11-27 14:30:08.772oai:colibri.udelar.edu.uy:20.500.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Institucionalhttps://www.colibri.udelar.edu.uyUniversidad públicahttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestkarina.camps@seciu.edu.uyUruguayopendoar:47712024-11-27T17:30:08COLIBRI - Universidad de la Repúblicafalse
score 14,713818

Similares en LA Referencia