La previsión precisa de la energía solar es esencial para las plantas fotovoltaicas (FV), a fin de facilitar su participación en el mercado de la energía y para una planificación eficiente de los recursos. Este artículo está dedicado a dos modelos de previsión: (1) ARIMA (Autoregressive Integrated Moving Average) enfoque estadístico para la previsión de series temporales, utilizando datos históricos medidos, y (2) ANN (Artificial Neural Network) utilizando técnicas de aprendizaje automático. Las principales contribuciones de los autores podrían sintetizarse como sigue: (1) análisis y discusión de los resultados experimentales y simulados relativos a la predicción de la radiación solar, así como a la predicción y previsión de la producción energética basada en modelos ARIMA y RNA para dos casos de estudio: (a) sistema BIPV de laboratorio desarrollado en la Universidad Politécnica de Bucarest y (b) gran parque fotovoltaico situado en un emplazamiento específico del sur de Rumanía. Se introdujo un índice de variabilidad de la radiación solar para la mejora del modelo; (2) comparación entre los resultados de los modelos ARIMA y RNA para destacar que el modelo ARIMA es más eficiente que el RNA; (3) método optimizado definido por el modelo GMDH (Group Method of Data Handling) propuesto para proporcionar un programa de software para el cálculo de la producción de energía fotovoltaica.
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:
Sistema de iluminación basado en diodos emisores de luz para terapia fotodinámica in vitro
Artículo:
Influencia de la conductividad térmica del crisol en el crecimiento de cristales en un proceso industrial de solidificación direccional de lingotes de silicio
Artículo:
Efectos de la irradiación UV-Vis sobre las etioporfirinas de vanadio extraídas del petróleo crudo y papel de la titania nanoestructurada
Artículo:
Fotobiomodulación del estrés
Artículo:
Propiedades ópticas y térmicas del In2S3
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL