Modelo de predicción de redes neuronales para radiación solar global optimizado por colonia artificial de abejas

Sergio Alejandro Pérez Rodríguez

Buscar

dc.rights.license	https://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	José Manuel Álvarez Alvarado	es_ES
dc.creator	Sergio Alejandro Pérez Rodríguez	es_ES
dc.date.accessioned	2024-09-05T14:34:30Z
dc.date.available	2024-09-05T14:34:30Z
dc.date.issued	2024-08-08
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/11091
dc.description	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.	es_ES
dc.format	pdf	es_ES
dc.format.extent	1 recurso en línea (69 páginas)	es_ES
dc.format.medium	computadora	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Autónoma de Querétaro	es_ES
dc.relation.requires	Si	es_ES
dc.rights	openAccess	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Modelo de predicción de redes neuronales para radiación solar global optimizado por colonia artificial de abejas	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	ORCID	es_ES
dc.creator.identificador	https://orcid.org/0000-0002-9446-9007	es_ES
dc.contributor.identificador	https://orcid.org/0000-0002-1304-6791	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias de la Computación	es_ES
dc.degree.department	Facultad de Informática	es_ES
dc.degree.level	Maestría	es_ES
dc.format.support	recurso en línea	es_ES
dc.matricula.creator	317967	es_ES
dc.folio	IFMAC-317967	es_ES