Biblioteca122.739 documentos en línea

Artículo

Feature Selection and ANN Solar Power PredictionSelección de características y predicción de energía solar mediante RNA

Resumen

En este trabajo se desarrolla un novedoso método de previsión de energía solar para particulares y pequeñas empresas basado en técnicas de aprendizaje automático, procesamiento de imágenes y clasificación acústica. El aumento de la producción de energía solar a nivel de consumidor requiere sistemas de previsión automatizados para minimizar las pérdidas, los costes y el impacto medioambiental de los hogares y las empresas que producen y consumen energía (prosumidores). Estos nuevos participantes en el mercado energético, los prosumidores, requieren nuevas técnicas de ajuste del rendimiento de las redes neuronales artificiales (RNA) para crear previsiones RNA precisas. El enmascaramiento de entradas, una técnica de ajuste de RNA desarrollada para la clasificación de señales acústicas y la detección de bordes de imágenes, se aplica a los datos solares de prosumidores para mejorar la precisión de las previsiones de prosumidores con respecto a las técnicas tradicionales de ajuste de rendimiento de RNA de macrorredes. Las entradas de la RNA adaptan el enmascaramiento de la hora del día basándose en la agrupación de errores en el dominio temporal. Los resultados muestran una mejora de la correlación entre la predicción y el objetivo, el valor R2, que reduce la inexactitud de las predicciones de muestra en un 14,4%, con las correspondientes reducciones del error medio medio de 5,37 y un error cuadrático medio del 6,83%.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento