1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Maestría en Ciencia de Datos

Title:	Análisis y predicción de la capacidad de irradiación solar mediante técnicas de aprendizaje automático
Authors:	Córdova García, José , Director Chancúsig Quinatoa, Alex Bladimir
Keywords:	Energía solar Estación meteorológica irradiación solar Sistemas fotovoltaicos
Issue Date:	2023
Publisher:	ESPOL
Citation:	Chancúsig Quinatoa, A. B. (2023). Análisis y predicción de la capacidad de irradiación solar mediante técnicas de aprendizaje automático. [Proyecto de Titulación ]. ESPOL. FIEC .
Description:	La energía solar se ha convertido en la principal fuente de energía renovable como respuesta a la creciente demanda energética que se experimenta a nivel mundial y la necesidad de reducir la huella de carbono generada por el uso de combustibles fósiles, a través de la implementación de sistemas fotovoltaicos a pequeña y gran escala cuya producción dependerá de la cantidad de irradiación solar disponible en un área determinada considerando la influencia de factores externos como las estaciones del año, condiciones ambientales, ubicación geográfica, entre otros. En Ecuador no se dispone de una base de datos de irradiación solar que se encuentre actualizada y permita analizar eficientemente el potencial solar que puede ser aprovechado, en este proyecto se integraron modelos de Machine Learning para ajustar datos de irradiancia solar a partir de registros satelitales con respecto a mediciones en tierra de las diferentes estaciones meteorológicas distribuidas en la provincia de Pichincha, dando como resultado un conjunto de datos de irradiación solar que comprende todos los puntos coordenados dentro de la provincia con una resolución espacial de 4 Km. Se implementaron modelos LSTM estándar y Conv-LSTM en series de tiempo univariadas y secuencias de matrices 2D mediante el formato de imágenes respectivamente, con la finalidad de generar pronósticos de irradiancia solar a corto plazo, cuyo modelo resultante fue integrado en una aplicación web para el desarrollo de una herramienta de soporte para el cálculo y dimensionamiento de sistemas fotovoltaicos aplicable dentro de la provincia de Pichincha.
metadata.dc.description.abstractenglish:	Solar energy has become at the main source of renewable energy as the response to the growing energy demand experimented at worldwide, and the need of reduce the carbon footprint generated by the use of fossil fuels through the implementation of small and large-scale photovoltaic systems. The production depends on the amount of available solar irradiation in a given area considering the influence of external factors as the year seasons, environment conditions, geographic location, etc. Ecuador hasn´t an updated solar irradiance database that allows an efficient analysis of the solar potential that can be used. In this project, Machine Learning models were integrated to adjust solar irradiance data from satellite records with regarding ground measurements of the different meteorological stations distributed in the province of Pichincha, resulting in a new solar irradiation dataset that includes all the coordinate points within the province with a spatial resolution of 4 km. Standard LSTM and Conv-LSTM models were implemented in univariate time series and 2D matrix sequences using the image format respectively. In order to generate short-term solar irradiance forecasts, the resulting model was integrated into a web application for the development of a support tool for the calculation and sizing of photovoltaic systems applicable within the province of Pichincha.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/58550
metadata.dc.identifier.codigoproyectointegrador:	FIEC-POSTG017
Appears in Collections:	Tesis de Maestría en Ciencia de Datos

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.