Este artículo presenta un método de modelización de la energía solar mediante redes neuronales artificiales (RNA). Se han utilizado dos estructuras de redes neuronales, a saber, la red neuronal de regresión general (GRNN) y la de retropropagación feedforward (FFBP), para modelar la potencia de salida de un panel fotovoltaico y aproximar la potencia generada. Ambas redes neuronales tienen cuatro entradas y una salida. Las entradas son la temperatura máxima, la temperatura mínima, la temperatura media y la irradiancia; la salida es la potencia. Los datos utilizados en este trabajo abarcan desde el 1 de enero de 2006 hasta el 31 de diciembre de 2010. Los cinco años de datos se dividieron en dos partes: 2006-2008 y 2009-2010; la primera parte se utilizó para el entrenamiento y la segunda para probar las redes neuronales. Se utilizó una ecuación matemática para estimar la potencia generada. Al final, ambas redes han mostrado un buen rendimiento de modelado; sin embargo, la FFBP ha mostrado un mejor rendimiento en comparación con la GRNN.
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.
Artículo:
Celda fotovoltaica orgánica semitransparente procesada en solución, integrada con electrodos de grafeno dopados en solución
Artículo:
Fotoánodo de células solares sensibilizadas con colorantes basado en una película compuesta de ZnO/TiO2
Artículo:
Control del flujo de gas en un horno industrial de solidificación direccional para la producción de lingotes de silicio multicristalino de alta pureza
Artículo:
Crecimiento epitaxial de germanio sobre silicio para emisores de luz
Artículo:
Origen de la diferencia en la actividad fotocatalítica del ZnO (002) cultivado sobre zafiro de caras a y c
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Tesis:
Materiales y prácticas de construcción sostenible