Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial

La optimización de los sistemas fotovoltaicos para la generación de energía eléctrica implica la necesidad de disponer datos reales de las diferentes variables involucradas, como así también la determinación de sus correlaciones. En el ámbito de la energía solar fotovoltaica resulta de interés poder...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Sánchez Reinoso, Carlos Roberto, Cutrera, Miriam, Battioni, Mario, Risso, Gustavo Armando, Milone, Diego Humberto, Buitrago, Román Horacio
Formato:	Articulo Comunicacion
Lenguaje:	Español
Publicado:	2011
Materias:	Ingeniería Química Ciencias Informáticas módulos fotovoltaicos Celdas Solares caracterización predicción de generación programación genética
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/102754
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-102754
record_format	dspace
spelling	I19-R120-10915-1027542023-07-04T14:24:08Z http://sedici.unlp.edu.ar/handle/10915/102754 issn:0329-5184 Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial Sánchez Reinoso, Carlos Roberto Cutrera, Miriam Battioni, Mario Risso, Gustavo Armando Milone, Diego Humberto Buitrago, Román Horacio 2011 2020-08-20T16:35:27Z es Ingeniería Química Ciencias Informáticas módulos fotovoltaicos Celdas Solares caracterización predicción de generación programación genética La optimización de los sistemas fotovoltaicos para la generación de energía eléctrica implica la necesidad de disponer datos reales de las diferentes variables involucradas, como así también la determinación de sus correlaciones. En el ámbito de la energía solar fotovoltaica resulta de interés poder predecir la energía eléctrica generada por los módulos en función de la radiación solar y de los parámetros climáticos. En este trabajo, se propone un método de correlación basado en técnicas de inteligencia artificial, que permite obtener la energía generada para distintas condiciones climáticas durante un año. Además, se propone un modelo que relaciona la corriente de cortocircuito de una celda solar con la radiación global, pero a diferencia de lo usual, se considera el verdadero comportamiento no lineal de la relación entre las variables. Los resultados del método propuesto empleando datos reales muestran su validez y utilidad en la predicción de energía generada por módulos fotovoltaicos y en avances tendientes a encontrar métodos de medición de radiación solar alternativos con bajo error. In the optimisation of photovoltaic systems for electricity generation real data of the different variables involved are needed as well as determination of their relationships. In the field of photovoltaic solar energy there is interest to predict the energy generation in terms of solar radiation and climatic parameters. In this paper, we propose a method based on artificial intelligence techniques for obtaining the generated energy under climatic conditions during a year. In addition, we propose a model that relates short-circuit current with radiation, but unlike usual, is considered the true nonlinear behavior of the relationship between variables. The results of the proposed method using real data show its validity and usefulness in predicting the generated energy by photovoltaic modules and the search for alternative methods of measuring global radiation at low cost and reasonable error. Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) Articulo Comunicacion http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) application/pdf 27-33
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ingeniería Química Ciencias Informáticas módulos fotovoltaicos Celdas Solares caracterización predicción de generación programación genética
spellingShingle	Ingeniería Química Ciencias Informáticas módulos fotovoltaicos Celdas Solares caracterización predicción de generación programación genética Sánchez Reinoso, Carlos Roberto Cutrera, Miriam Battioni, Mario Risso, Gustavo Armando Milone, Diego Humberto Buitrago, Román Horacio Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
topic_facet	Ingeniería Química Ciencias Informáticas módulos fotovoltaicos Celdas Solares caracterización predicción de generación programación genética
description	La optimización de los sistemas fotovoltaicos para la generación de energía eléctrica implica la necesidad de disponer datos reales de las diferentes variables involucradas, como así también la determinación de sus correlaciones. En el ámbito de la energía solar fotovoltaica resulta de interés poder predecir la energía eléctrica generada por los módulos en función de la radiación solar y de los parámetros climáticos. En este trabajo, se propone un método de correlación basado en técnicas de inteligencia artificial, que permite obtener la energía generada para distintas condiciones climáticas durante un año. Además, se propone un modelo que relaciona la corriente de cortocircuito de una celda solar con la radiación global, pero a diferencia de lo usual, se considera el verdadero comportamiento no lineal de la relación entre las variables. Los resultados del método propuesto empleando datos reales muestran su validez y utilidad en la predicción de energía generada por módulos fotovoltaicos y en avances tendientes a encontrar métodos de medición de radiación solar alternativos con bajo error.
format	Articulo Comunicacion
author	Sánchez Reinoso, Carlos Roberto Cutrera, Miriam Battioni, Mario Risso, Gustavo Armando Milone, Diego Humberto Buitrago, Román Horacio
author_facet	Sánchez Reinoso, Carlos Roberto Cutrera, Miriam Battioni, Mario Risso, Gustavo Armando Milone, Diego Humberto Buitrago, Román Horacio
author_sort	Sánchez Reinoso, Carlos Roberto
title	Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
title_short	Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
title_full	Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
title_fullStr	Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
title_full_unstemmed	Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
title_sort	predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial
publishDate	2011
url	http://sedici.unlp.edu.ar/handle/10915/102754
work_keys_str_mv	AT sanchezreinosocarlosroberto predicciondepropiedadesdeceldassolaresymodulosfotovoltaicospormetodosdeinteligenciaartificial AT cutreramiriam predicciondepropiedadesdeceldassolaresymodulosfotovoltaicospormetodosdeinteligenciaartificial AT battionimario predicciondepropiedadesdeceldassolaresymodulosfotovoltaicospormetodosdeinteligenciaartificial AT rissogustavoarmando predicciondepropiedadesdeceldassolaresymodulosfotovoltaicospormetodosdeinteligenciaartificial AT milonediegohumberto predicciondepropiedadesdeceldassolaresymodulosfotovoltaicospormetodosdeinteligenciaartificial AT buitragoromanhoracio predicciondepropiedadesdeceldassolaresymodulosfotovoltaicospormetodosdeinteligenciaartificial
_version_	1770804840264368128

Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial

Ejemplares similares