Sistema para predicción de la generación en bloques de plantas fotovoltaicas

• Autores: Francisco B. Herrera Fernández, Alberto Limonte Ruíz, Michel Alvarez Morales, Jesús G. García Tamayo
• Localización: Ingeniería Energética, ISSN-e 1815-5901, Vol. 44, Nº. 3, 2023, págs. 73-79
• Idioma: español
• Títulos paralelos:
  • System for prediction of generation in blocks of photovoltaic plants
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Resumen La predicción de la generación energética en plantas fotovoltaicas conectadas a un sistema eléctrico es objeto de constante estudio y desarrollo. En objetivo de este trabajo es desarrollar un método para la predicción de la generación a corto plazo. Esta predicción se realiza a partir de la aplicación de programas de predicción para plantas fotovoltaicas desarrollados basados en redes neuronales recurrentes y convolucionales. Como datos de entrada se consideran irradiación solar y temperatura ambiente. Se aplican métodos experimentales, utilizando los datos históricos del comportamiento de estas variables, y aplicando diferentes métodos de preprocesamiento de estos datos y postprocesamiento de las predicciones básicas, lo cual proporciona predicciones con mayor exactitud. Como principal resultado se obtiene un método de predicción, con una mejor exactitud en las horas centrales del día. Se presentan los resultados de las predicciones para un grupo de plantas demostrándose la factibilidad de aplicación del método.

  • English

    Abstract The prediction of energy generation in photovoltaic plants connected to an electrical system is the subject of constant study and development. The objective of this work is to develop a method for short-term generation prediction. This prediction is made from the application of prediction programs for photovoltaic plants developed based on recurrent and convolutional neural networks. Solar irradiation and ambient temperature are considered as input data. Experimental methods are applied, using historical data on the behavior of these variables, and applying different methods of pre-processing these data and post-processing the basic predictions, which provides predictions with greater accuracy. The main result is a prediction method, with better accuracy in the central hours of the day. The results of the predictions for a group of plants are presented, demonstrating the feasibility of applying the method.