Resumen

Este artículo presenta un método de modelización de la energía solar mediante redes neuronales artificiales (RNA). Se han utilizado dos estructuras de redes neuronales, a saber, la red neuronal de regresión general (GRNN) y la de retropropagación feedforward (FFBP), para modelar la potencia de salida de un panel fotovoltaico y aproximar la potencia generada. Ambas redes neuronales tienen cuatro entradas y una salida. Las entradas son la temperatura máxima, la temperatura mínima, la temperatura media y la irradiancia; la salida es la potencia. Los datos utilizados en este trabajo abarcan desde el 1 de enero de 2006 hasta el 31 de diciembre de 2010. Los cinco años de datos se dividieron en dos partes: 2006-2008 y 2009-2010; la primera parte se utilizó para el entrenamiento y la segunda para probar las redes neuronales. Se utilizó una ecuación matemática para estimar la potencia generada. Al final, ambas redes han mostrado un buen rendimiento de modelado; sin embargo, la FFBP ha mostrado un mejor rendimiento en comparación con la GRNN.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Biofotónica
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Biophotonics
• Palabras claves:potencia, redes neuronales, potencia de salida de paneles fotovoltaicos, método de modelización de la energía solar, redes neuronales artificiales, buen rendimiento de modelización, estructuras de redes neuronales, ffbp, grnn, datos
• Keywords:power, neural networks, photovoltaic panel output power, solar power modelling method, artificial neural networks, good modelling performance, neural network structures, ffbp, grnn, data