Descripción:
La predicción de radiación solar a corto plazo es relevante para los usuarios dedicados en la gestión, transporte y generación de la energía para hacer una eficiente planificación. Actualmente, existen modelos capaces de estimar con un mínimo grado de error esta predicción, lo que resulta conveniente en el uso de recursos meteorológicos que pueden reducir los requisitos de aprendizaje para una Machine learning. Los algoritmos de aprendizaje más comunes son las redes neuronales artificiales (ANN), la máquina de regresión vectorial (SVR) y las máquinas de soporte vectorial (SVM), siendo este último el que presenta un mejor rendimiento en comparación a los anteriores en la predicción de radiación solar. Este trabajo tiene como objetivo presentar el rendimiento de la aplicación de las SVM como modelo predictorio para estimar la radiación solar global en una zona urbana obteniendo como entradas la base de datos de una estación meteorológica intentando mejorar la predicción de los modelos actuales.
El modelo creado de SVM selecciona los pesos apropiados en el diseño de los núcleos discriminatorios de datos meteorológicos que evalúan la radiación solar futura. Los resultados muestran que es posible predecir con cinco variables: temperaturas máximas y mínimas del medio, presión atmosférica, velocidad de viento y la humedad del ambiente. Los pesos son estimados para encontrar el óptimo mediante un algoritmo inteligente de búsqueda mediante la técnica de Evolución diferencial y se evalúa el error mediante el cálculo de error cuadrático medio.