Resumen

Las predicciones a futuro de la insolación solar son útiles para pronosticar la producción de energía de sistemas fotovoltaicos (PV) instalados en edificios, y pronósticos precisos son esenciales para la eficiencia operativa y los mercados comerciales. En este estudio, se propuso un modelo basado en una red neuronal feed-forward de múltiples capas que predice la insolación solar de los próximos días teniendo en cuenta las condiciones climáticas del día presente. El modelo de insolación propuesto se utilizó para estimar la producción de energía de un sistema PV real ubicado en Corea del Sur. Se realizó una investigación de validación comparando la producción de energía estimada por el modelo con los datos de producción de energía medidos durante la operación del sistema PV. Los índices de precisión para el modelo óptimo, que incluían el error cuadrático medio, el error de sesgo medio y el error absoluto medio, fueron de 1.43 kWh/m/día, 0.09 kWh/m/día y 1.15 kWh/m/día, respectivamente. Estos valores indican que

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Predicciones; Insolación solar; Producción de energía; Sistemas fotovoltaicos; Red neuronal; Condiciones meteorológicas
• Keywords:Predictions; Solar insolation; Energy production; Photovoltaic systems; Neural network; Weather conditions