Implementación y contraste de modelos estadísticos de pronóstico de generación para una planta solar fotovoltaica de 80kW de la Universidad de los Andes
PDF 
VER Citas bibliográficas
Gestores Bibliográficos
Indexadores
Enlace de Referencia
Jurado
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Fecha
Resumen en español
En este proyecto se realizó la implementación y contraste de varios modelos estadísticos de pronóstico de generación para una planta solar fotovoltaica de 80kWp de la Universidad de los Andes. Se analizó el desempeño y operación de la planta desde que fue instalada en términos de su producción energética en relación con la irradiación que incidió sobre ella y, a partir de estos datos, se implementaron modelos estadísticos de pronóstico de generación para horizontes de pronóstico de corto y largo plazo. Por otra parte, para el pronóstico en corto plazo, se implementaron los modelos estadísticos de persistencia, SARIMA y red neuronal LSTM en resoluciones de pronóstico de 5 minutos, 20 minutos y 1 hora para días soleados, parcialmente nublados y nublados, los cuales fueron clasificados con base en el índice de claridad del cielo. Finalmente, para el pronóstico a largo plazo, se implementó un modelo basado en una red neuronal artificial diseñada a través de la metodología de diseño de experimentos (DOE) para el pronóstico de generación de siete días consecutivos.
Resumen en inglés
In this project, the implementation and contrast of several statistical models of generation forecast for an 80kWp solar photovoltaic plant of the Universidad de los Andes was carried out. The performance and operation of the plant were analyzed since it was installed in terms of its energy production in relation to the irradiation that affected it and, based on these data, statistical models of generation forecast for short forecast horizons were implemented. long term. On the other hand, for the short-term forecast, the statistical models of persistence, SARIMA and the LSTM neural network were implemented in forecast resolutions of 5 minutes, 20 minutes and 1 hour for sunny, partially cloudy and cloudy days, which were classified based on the sky clarity index. Finally, for the long-term forecast, a model based on an artificial neural network designed through the design of experiments (DOE) methodology was implemented for the generation forecast of seven consecutive days.