Predicción de nubes a corto plazo para una planta solar a partir de datos históricos

Mostrar todas las versiones(2)

Es este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particul...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Caballero, Rafael, Zarzalejo, Luis F., Otero, Álvaro, Piñuel, Luis, Wilbert, Stefan
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2018
Materias:
Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/69922
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-69922
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
spellingShingle Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
Caballero, Rafael
Zarzalejo, Luis F.
Otero, Álvaro
Piñuel, Luis
Wilbert, Stefan
Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
topic_facet Ciencias Informáticas
solar radiation nowcast, LSTM, supervised machine learning
Energía Solar
predicción meteorológica
description Es este trabajo se aborda el problema de la predicción de radiación global sobre superficie horizontal con alta resolución espacial y temporal (5 minutos) a partir de los datos registrados durante un año en la red radiométrica de alta resolución ubicada en la Plataforma Solar de Almería. En particular se muestra un método capaz de predecir el valor de radiación en los siguientes minutos a partir de los valores de los minutos anteriores. El método emplea el tipo de red neuronal recurrente conocido como LSTM, capaz de aprender patrones complejos y predecir el próximo elemento de una serie temporal. Los resultados muestran una mejora apreciable en la precisión del método con respecto a la predicción basada en el último valor conocido.
format Objeto de conferencia
Objeto de conferencia
author Caballero, Rafael
Zarzalejo, Luis F.
Otero, Álvaro
Piñuel, Luis
Wilbert, Stefan
author_facet Caballero, Rafael
Zarzalejo, Luis F.
Otero, Álvaro
Piñuel, Luis
Wilbert, Stefan
author_sort Caballero, Rafael
title Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_short Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_full Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_fullStr Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_full_unstemmed Predicción de nubes a corto plazo para una planta solar a partir de datos históricos
title_sort predicción de nubes a corto plazo para una planta solar a partir de datos históricos
publishDate 2018
url http://sedici.unlp.edu.ar/handle/10915/69922
work_keys_str_mv AT caballerorafael predicciondenubesacortoplazoparaunaplantasolarapartirdedatoshistoricos
AT zarzalejoluisf predicciondenubesacortoplazoparaunaplantasolarapartirdedatoshistoricos
AT oteroalvaro predicciondenubesacortoplazoparaunaplantasolarapartirdedatoshistoricos
AT pinuelluis predicciondenubesacortoplazoparaunaplantasolarapartirdedatoshistoricos
AT wilbertstefan predicciondenubesacortoplazoparaunaplantasolarapartirdedatoshistoricos
bdutipo_str Repositorios
_version_ 1764820481919156225

Ejemplares similares