Predicción a muy corto plazo de radiación solar global en zona urbana con Máquinas de Soporte Vectorial

José Manuel Álvarez Alvarado

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Gabriel Ríos Moreno	es_ES
dc.creator	José Manuel Álvarez Alvarado	es_ES
dc.date	2021-01-15
dc.date.accessioned	2021-01-05T15:19:19Z
dc.date.available	2021-01-05T15:19:19Z
dc.date.issued	2021-01-15
dc.identifier	Predicción nowcast	es_ES
dc.identifier	Radiación solar	es_ES
dc.identifier	Machine Learning	es_ES
dc.identifier	Máquinas de soporte vectorial	es_ES
dc.identifier	Gestión de la Energía	es_ES
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/2547
dc.description	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.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	Si	es_ES
dc.rights	En Embargo	es_ES
dc.subject	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.subject	CIENCIAS TECNOLÓGICAS	es_ES
dc.subject	TECNOLOGÍA ENERGÉTICA	es_ES
dc.title	Predicción a muy corto plazo de radiación solar global en zona urbana con Máquinas de Soporte Vectorial	es_ES
dc.type	Tesis de doctorado	es_ES
dc.creator.tid	CURP	es_ES
dc.creator.identificador	AAAM900211HDGLLN02	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Doctorado en Ingeniería	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Doctorado	es_ES