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...
Guardado en:
| Autores principales: | , , , , |
|---|---|
| Formato: | Articulo |
| Lenguaje: | Portugués |
| Publicado: |
2017
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/140831 http://portalderevistas.unsa.edu.ar/index.php/averma/article/view/1290 |
| Aporte de: |
| Sumario: | 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. |
|---|