Análisis y predicción de la capacidad de irradiación solar mediante técnicas de aprendizaje automático

Chancúsig Quinatoa, Alex Bladimir

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Maestría en Ciencia de Datos
→
View Item

dc.contributor.advisor	Córdova García, José , Director
dc.contributor.author	Chancúsig Quinatoa, Alex Bladimir
dc.creator	ESPOL
dc.date.accessioned	2023-10-31T16:27:36Z
dc.date.available	2023-10-31T16:27:36Z
dc.date.issued	2023
dc.identifier.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 .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/58550
dc.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.
dc.format	application/pdf
dc.format.extent	167 páginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	Energía solar
dc.subject	Estación meteorológica
dc.subject	irradiación solar
dc.subject	Sistemas fotovoltaicos
dc.title	Análisis y predicción de la capacidad de irradiación solar mediante técnicas de aprendizaje automático
dc.type	Magister en Ciencias de Datos
dc.identifier.codigoespol	T-113842
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	FIEC-POSTG017
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.