Predicción de series de tiempo de potencia a 24 horas en centrales fotovoltaicas mediante redes neuronales

Abstract

La tecnología solar fotovoltaica representa en la actualidad un valioso recurso energético y alternativa en muchos campos de la ciencia y vida cotidiana del ser humano. Es debido a su modularidad, que es posible crear arreglos fotovoltaicos de gran capacidad como lo son las Centrales Eléctricas Fotovoltaicas. Estas Centrales o Plantas generan electricidad debido al efecto fotovoltaico que ocurre en las celdas solares debido a la incidencia de la luz en los semiconductores de los cuales están constituidos las celdas. Debido a que la luz que viaja desde el Sol hasta las Centrales Eléctricas Fotovoltaicas sufre alteraciones según la ubicación, ambiente y hora del día, la producción de electricidad de las centrales varía con el tiempo. Estas fluctuaciones representan un reto para los administradores de energía eléctrica, por lo que modelos de predicción o pronóstico se aplican en estos sistemas. Con la finalidad de aportar un modelo de predicción que sea capaz de realizar pronósticos con 24 horas de anticipación con buen desempeño, este documento aborda varios modelos de redes neuronales y estadísticos. Algunos de estos modelos llamados Redes Neuronales Profundas presentan buenos desempeños en aplicaciones similares. Es por esto, que se planteó la evaluación de estos modelos en la predicción de las mediciones en Series de Tiempo de una base de datos de una Central Eléctrica Fotovoltaica, así como la validación de resultados con secciones diferentes a la utilizada para hacer los entrenamientos.