Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais

Este trabajo busca contribuir a la predicción de la radiación solar horaria en horizontes de hasta 12 horas adelante. Para ello, han sido empleadas Redes Neuronales (ANNs) del tipo Perceptron Multicapa. A su vez, dichas redes han empleado, como variables regresoras, datos horarios de Índice de Clari...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Sabino, Edson Ricardo, Petribú, Leonardo, Barros, H., Costa, A., Castro Vilela, Olga de
Formato: Articulo
Lenguaje:Portugués
Publicado: 2017
Materias:
Ingeniería
Ciencias Exactas
Energía solar
predicciones
redes neuronales
índice de claridad
modelos autoregresivos
solar energy
forecasting
neural networks
clearness index
autoregressive models
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/140831
http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1290
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-140831
record_format dspace
spelling I19-R120-10915-1408312023-06-27T19:51:39Z http://sedici.unlp.edu.ar/handle/10915/140831 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1290 issn:2314-1433 issn:2796-8111 Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais Sabino, Edson Ricardo Petribú, Leonardo Barros, H. Costa, A. Castro Vilela, Olga de 2017 2022-08-22T17:51:57Z pt Ingeniería Ciencias Exactas Energía solar predicciones redes neuronales índice de claridad modelos autoregresivos solar energy forecasting neural networks clearness index autoregressive models Este trabajo busca contribuir a la predicción de la radiación solar horaria en horizontes de hasta 12 horas adelante. Para ello, han sido empleadas Redes Neuronales (ANNs) del tipo Perceptron Multicapa. A su vez, dichas redes han empleado, como variables regresoras, datos horarios de Índice de Claridad (Kt) y variables determinísticas estacionales con el propósito de mejorar la comprensión en cuanto a las características de estacionalidad diaria y anual de la serie de Kt para un emplazamiento en Petrolina-PE-Brasil. El objetivo es comparar los resultados logrados con el empleo de dichas variables estacionales (que, entre otros aspectos, tienen características de variables difusas - fuzzy variables) con aquellos logrados por otros modelos reportados por diferentes autores como las mismas ANNs sin las variables estacionales, los Modelos Autoregresivos y la Persistencia. El error (nRMSD) del modelo final ha variado entre 17,8% y 25,7% para horizontes de predicción desde 1 hasta 12 horas adelante. Las ANNs han superado el desempeño de la Persistencia y del Modelo Autoregresivo. Se ha demostrado que el empleo de las variables estacionales ha mejorado las predicciones de Kt realizadas por las ANNs. This work aims to improve solar radiation forecast for horizons up to 12 hours ahead. In this sense, Neural Networks (ANN) of Multilayer Perceptron type were proposed, using as regressive variables, hourly clearness index (Kt) and seasonal deterministic variables, with the purpose of enhancing the understanding on the characteristics of daily and annual seasonal of Kt series for the city of Petrolina-PE-Brazil. The objective is to compare the results obtained with the use of such seasonal variables (which, among other aspects, have characteristics of fuzzy variables) with results of other models reported in the literature, such as ANNs without the use of seasonal variables, the Auto-Regressive Model and Persistence. The error (nRMSD) associated with the final model differs from 17.8% to 25.7% for horizons from 1 to 12 hours ahead. Neural networks surpassed the Persistence and the Autoregressive Model. It was proved that the use of the seasonal variables improved the results of Kt predictions using ANNs. Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) Articulo Articulo 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 39-48
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Portugués
topic Ingeniería
Ciencias Exactas
Energía solar
predicciones
redes neuronales
índice de claridad
modelos autoregresivos
solar energy
forecasting
neural networks
clearness index
autoregressive models
spellingShingle Ingeniería
Ciencias Exactas
Energía solar
predicciones
redes neuronales
índice de claridad
modelos autoregresivos
solar energy
forecasting
neural networks
clearness index
autoregressive models
Sabino, Edson Ricardo
Petribú, Leonardo
Barros, H.
Costa, A.
Castro Vilela, Olga de
Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
topic_facet Ingeniería
Ciencias Exactas
Energía solar
predicciones
redes neuronales
índice de claridad
modelos autoregresivos
solar energy
forecasting
neural networks
clearness index
autoregressive models
description Este trabajo busca contribuir a la predicción de la radiación solar horaria en horizontes de hasta 12 horas adelante. Para ello, han sido empleadas Redes Neuronales (ANNs) del tipo Perceptron Multicapa. A su vez, dichas redes han empleado, como variables regresoras, datos horarios de Índice de Claridad (Kt) y variables determinísticas estacionales con el propósito de mejorar la comprensión en cuanto a las características de estacionalidad diaria y anual de la serie de Kt para un emplazamiento en Petrolina-PE-Brasil. El objetivo es comparar los resultados logrados con el empleo de dichas variables estacionales (que, entre otros aspectos, tienen características de variables difusas - fuzzy variables) con aquellos logrados por otros modelos reportados por diferentes autores como las mismas ANNs sin las variables estacionales, los Modelos Autoregresivos y la Persistencia. El error (nRMSD) del modelo final ha variado entre 17,8% y 25,7% para horizontes de predicción desde 1 hasta 12 horas adelante. Las ANNs han superado el desempeño de la Persistencia y del Modelo Autoregresivo. Se ha demostrado que el empleo de las variables estacionales ha mejorado las predicciones de Kt realizadas por las ANNs.
format Articulo
Articulo
author Sabino, Edson Ricardo
Petribú, Leonardo
Barros, H.
Costa, A.
Castro Vilela, Olga de
author_facet Sabino, Edson Ricardo
Petribú, Leonardo
Barros, H.
Costa, A.
Castro Vilela, Olga de
author_sort Sabino, Edson Ricardo
title Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
title_short Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
title_full Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
title_fullStr Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
title_full_unstemmed Previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
title_sort previsão em curto prazo de índice de claridade utilizando redes neurais e variáveis sazonais
publishDate 2017
url http://sedici.unlp.edu.ar/handle/10915/140831
http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1290
work_keys_str_mv AT sabinoedsonricardo previsaoemcurtoprazodeindicedeclaridadeutilizandoredesneuraisevariaveissazonais
AT petribuleonardo previsaoemcurtoprazodeindicedeclaridadeutilizandoredesneuraisevariaveissazonais
AT barrosh previsaoemcurtoprazodeindicedeclaridadeutilizandoredesneuraisevariaveissazonais
AT costaa previsaoemcurtoprazodeindicedeclaridadeutilizandoredesneuraisevariaveissazonais
AT castrovilelaolgade previsaoemcurtoprazodeindicedeclaridadeutilizandoredesneuraisevariaveissazonais
_version_ 1770170751964413952

Ejemplares similares