Este artículo explora un método de predicción de la producción a corto plazo que consiste en tomar fotografías del cielo sobre una central fotovoltaica para identificar los patrones que ayuden a predecir la generación de este tipo de energía. Se desarrolló y probó un modelo híbrido que integra tanto una Red Neuronal Convolucional (CNN) como una Memoria Larga a Corto Plazo (LSTM) para la predicción de la producción a corto plazo. Se encontró una correlación del 74% entre las predicciones de modelos y los valores reales de producción futura demostrando así la eficiencia del modelo. Los autores destacan el potencial del aprendizaje profundo para mejorar las prácticas relacionadas con las energías renovables.
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:
Elegir las características térmicas de la mampara transparente de un edificio teniendo en cuenta los efectos solares
Artículo:
Evaluación de las incertidumbres del ciclo de vida de las emisiones de CO2 utilizando energía del hidrógeno para la generación de electricidad.
Artículo:
Un nuevo controlador de modo deslizante para convertidores CC/CC en sistemas fotovoltaicos
Video:
El papel del consumidor y de la gestión de la demanda en la Transición Energética
Video:
La Idea Errónea que nos Enseñan sobre la Electricidad
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.