Resumen

En el presente trabajo se proponen dos modelos basados en inteligencia artificial para determinar la potencia de salida de dos tipos de células fotovoltaicas: multicristalinas (multi-) y monocristalinas (mono-). Para el cálculo de la potencia de salida se aplican el sistema de inferencia neuro-fuzzy adaptativo (ANFIS) y la máquina de vectores soporte por mínimos cuadrados (LSSVM). Los resultados de la estimación se aproximan mucho a los datos reales según el análisis gráfico y estadístico. Los coeficientes de determinación (R2) de la potencia de salida de las células monocristalinas para los modelos LSSVM y ANFIS son de 0,997 y 0,962, respectivamente. Además, las multiceldas tienen valores R2 de 0,999 y 0,995 para LSSVM y ANFIS, respectivamente. Los valores aceptables de R2 y de varios parámetros de error demuestran la precisión de los modelos propuestos. La visualización de estas comparaciones aclara la precisión de los modelos propuestos. Además, los modelos propuestos se comparan con métodos de aprendizaje automático publicados anteriormente. El rendimiento preciso de los modelos propuestos en comparación con otros demostró que nuestros modelos pueden ser herramientas útiles para la estimación de la potencia de salida. Además, se ha empleado un análisis de sensibilidad para los efectos de los parámetros de entrada en la potencia de salida. El resultado de la sensibilidad muestra que la intensidad de la luz influye más en la potencia de salida. Los resultados de este estudio proporcionan herramientas interesantes que pueden aplicarse en diferentes sectores de las energías renovables.

• Materias:Energía solar Termodinámica Energía limpia Biofotónica Efecto fotoeléctrico
• Subjects:Solar energy Thermodynamics Clean energy Biophotonics Photoelectric effect
• Palabras claves:modelos, potencia de salida, lssvm, potencia de salida de células monocristalinas, máquina de vectores de soporte cuadrados, sistema de inferencia difusa, métodos de aprendizaje automático, cálculos de potencia de salida, industrias de energías renovables, diversos parámetros de error
• Keywords:models, output power, lssvm, monocrystalline cell output power, squares support vector machine, fuzzy inference system, machine learning methods, output power calculations, renewable energy industries, various error parameters