Modelado y predicción inteligente de producción fotovoltaica.

Gándara Ambriz, Carlos Alejandro

dc.contributor.author	Gándara Ambriz, Carlos Alejandro
dc.date.accessioned	2025-09-05T16:15:40Z
dc.date.available	2025-09-05T16:15:40Z
dc.date.issued	2025-06-20
dc.identifier.govdoc	LSC .16200 2025
dc.identifier.other	ATD996
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/6782
dc.description	La presente tesis aborda el problema de la variabilidad en la producción de energía fotovoltaica, causada por factores climáticos impredecibles como lo son radiación solar, temperatura, humedad, velocidad, dirección del viento, nubosidad, entre otros. Para mejorar la eficiencia en la administración de la energía generada, se propone el desarrollo de un sistema de predicción basado en modelos de inteligencia artificial. Se emplea la metodología SEMMA(Sample, Explore, Modify, Model, Assess) para la recolección, preprocesamiento y análisis de los datos, utilizando información proveniente de la NASA y de una planta fotovoltaica. Se implementan y comparan tres modelos de predicción: Bosques aleatorios (RF, por sus siglas en inglés), Support Vector Machines (SVM) y Long Short-Term Memory (LSTM). La evaluación se realiza mediante la métrica de Error Cuadrático Medio (MSE), determinando que el modelo LSTM presenta un mejor desempeño en la predicción de series temporales.	es_ES
dc.language.iso	es	es_ES
dc.publisher	ICBI-BD-UAEH	es_ES
dc.subject	Lstm	es_ES
dc.subject	Svm	es_ES
dc.subject	Random Forest	es_ES
dc.subject	Mse	es_ES
dc.subject	Fotovoltaica	es_ES
dc.subject	Ciencias Computacionales.	es_ES
dc.title	Modelado y predicción inteligente de producción fotovoltaica.	es_ES
dc.title.alternative	Ciencias Computacionales.	es_ES
dc.type	Tesis	es_ES