Título :	Modelo de predicción de redes neuronales para radiación solar global optimizado por colonia artificial de abejas
Autor(es):	Sergio Alejandro Pérez Rodríguez
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	8-ago-2024
Editorial :	Universidad Autónoma de Querétaro
Páginas:	1 recurso en línea (69 páginas)
Folio RI:	IFMAC-317967
Facultad:	Facultad de Informática
Programa académico:	Maestría en Ciencias de la Computación
Resumen:	En la presente tesis se propone un modelo híbrido para la predicción de la radiación solar global (GSR) utilizando el algoritmo de optimización bioinspirado Colonia Artificial de Abejas (ABC) combinado con un Perceptrón Multicapa (MLP). La motivación principal es abordar la intermitencia y volatilidad de la GSR, que impactan significativamente en la seguridad del suministro energético, especialmente en el contexto del aumento del uso de paneles fotovoltaicos. La metodología implementada incluye la optimización de los hiperparámetros del modelo MLP mediante el algoritmo ABC, lo que permite una selección óptima del número de neuronas en las capas ocultas, mejorando así la precisión de las predicciones. La validez del modelo propuesto se verificó utilizando datos de estaciones meteorológicas automáticas en distintas ubicaciones de México. En la estación UAQ Aeropuerto, el modelo ABC-MLP mostró un RMSE de 48.4032 W/m², un MAE de 19.5054 W/m² y R² de 0.9812. Adicionalmente, se realizó una selección de características críticas como la temperatura del aire, humedad relativa, radiación solar global promedio, velocidad y dirección del viento, las cuales contribuyen a la precisión del modelo. La revisión sistemática de la literatura incluyó un análisis exhaustivo de las tendencias actuales y futuras direcciones de investigación en la predicción de GSR utilizando técnicas de machine learning, deep learning y algoritmos de optimización metaheurísticos. Los resultados obtenidos demuestran la robustez y generalización del modelo propuesto Selector ABC-MLP en diferentes contextos geográficos, destacando su superioridad en la predicción de la GSR. Este trabajo contribuye al desarrollo de sistemas de energía solar más eficientes y a la gestión optimizada de recursos energéticos, proporcionando una herramienta valiosa para la toma de decisiones en el sector energético.
URI:	https://ri-ng.uaq.mx/handle/123456789/11091
Aparece en:	Maestría en Ciencias de la Computación

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.