Resumen

La estabilidad de la salida del sistema fotovoltaico (PV) se ve directamente afectada por el cambio de temperatura de los paneles fotovoltaicos. En este documento, se propone un novedoso método de predicción de temperatura de paneles fotovoltaicos con máquina de vectores de soporte (SVM), el cual puede resolver el problema de predicción de temperatura en un entorno complejo. Para optimizar los parámetros de SVM, se presenta un método de Optimización Inspirado en Palomas (PIO). Al mismo tiempo, se añade el factor de retraso (DF) para mejorar el algoritmo PIO y evitar el problema de óptimo local. Además, se establece un sistema de monitoreo multisensor de PV, y los datos recopilados de temperatura se utilizan para entrenar y verificar la precisión del modelo. Finalmente, el método propuesto se evalúa utilizando conjuntos de datos sintéticos y reales. Los resultados de la simulación muestran que el DFPIO-SVM puede obtener un mejor rendimiento predictivo.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Fotovoltaico; Cambio de temperatura; Máquina de vectores de soporte; Optimización inspirada en palomas; Factor de retraso; Sistema de monitoreo multisensor
• Keywords:Photovoltaic; Temperature change; Support vector machine; Pigeon-Inspired Optimization; Delay factor; Multisensor monitoring system