Resumen

Uno de los mayores retos es garantizar la integración a gran escala de los sistemas fotovoltaicos en los edificios. El objetivo de este trabajo es presentar una predicción de la potencia de un sistema fotovoltaico integrado en un edificio en relación con las distintas orientaciones del edificio basada en herramientas de aprendizaje automático de ciencia de datos. La metodología de predicción propuesta comprende una etapa de calidad de los datos, un algoritmo de aprendizaje automático, una evaluación de la agrupación meteorológica y una evaluación de la precisión. Los resultados mostraron que la aplicación de coeficientes de regresión lineal a las salidas de previsión de la red neuronal de generación de energía fotovoltaica desarrollada mejoraba la salida de previsión de la generación de energía fotovoltaica. El modelo final dio lugar a previsiones precisas, mostrando un error cuadrático medio del 4,42% en NN, del 16,86% en QSVM y del 8,76% en TREE. Los resultados se presentan con la fachada del edificio y la aplicación del tejado, como el tejado plano, la fachada sur, la fachada este y la fachada oeste.

• Materias:Energía solar Termodinámica Energía limpia Biofotónica Efecto fotoeléctrico
• Subjects:Solar energy Thermodynamics Clean energy Biophotonics Photoelectric effect
• Palabras claves:generación de energía fotovoltaica desarrollada, predicción de la potencia del sistema fotovoltaico, generación de energía fotovoltaica, etapa de calidad de datos, herramientas de ciencia de datos, coeficientes de regresión lineal, evaluación de la agrupación meteorológica, edificio, máquina, resultados
• Keywords:developed photovoltaic power generation, photovoltaic system power prediction, pv power generation, data quality stage, data science tools, linear regression coefficients, weather clustering assessment, building, machine, results