Mostrar el registro sencillo del ítem
dc.contributor.author
Jimenez, Victor Adrian
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Will, Adrian L. E.
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Rodriguez, Sebastian Alberto
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2021-03-08T14:42:05Z
dc.date.issued
2017-10
dc.identifier.citation
Jimenez, Victor Adrian; Will, Adrian L. E.; Rodriguez, Sebastian Alberto; Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales; Universidad de Palermo; Ciencia y Tecnología; 17; 10-2017; 29-43
dc.identifier.issn
1850-0870
dc.identifier.uri
http://hdl.handle.net/11336/127736
dc.description.abstract
La radiación solar es uno de los parámetros más importantes para el desarrollo de aplicaciones e investigaciones relacionadas a energías renovables. Sin embargo,adquisición de mediciones de radiación solar no siempre es posible por diferentes motivos y es necesario contar con modelos que permitan estimarla. Estos modelos en su mayoría utilizan variables climáticas difíciles de medir y que no siempre están disponibles en todos los sitios. El objetivo de este trabajo es aplicar un método para estimar radiación solar horaria, basado en redes neuronales, utilizando como variables de entrada estimaciones de radiación solar obtenidas mediante un modelo matemático simple y variables climáticas de fácil adquisición: Temperatura, Presión y Humedad. Además, para comprobar que las redes neuronales son más adecuadas en estos casos se hizo una comparativa con estimaciones realizadas con regresión lineal. Los modelos generados fueron ajustados y validados con datos provenientes de cinco estaciones meteorológicas de la provincia de Tucumán, Argentina, logrando obtener en promedio un error de 11.0% (Root Mean Squared Error) con regresión lineal y 7.84% con redes neuronales.
dc.description.abstract
Solar radiation is one of the most important parameter for application, development and research related to renewable energy. However, the solar radiation measurements acquisition is not always possible for many reasons, and it is necessary to have models to estimate it. Mostly, these models use climatic variables that are difficult to measure and are not always available in all sites. The aim of this paper is to estimate hourly solar radiation, based on neural networks, using solar radiation estimates obtained by a simple mathematical model and climatic variables easy to acquire as input variables: Temperature, pressure and humidity. In addition, to verify that neural networks are most appropriate in these cases, a comparison with linear regression estimates was made. The models were adjusted and validated with data from five weather stations of the province of Tucuman, Argentina, achieving on average a Root Mean Squared Error value of 11.0% for linear regression and 7.84% for neural networks.
dc.format
application/pdf
dc.language.iso
spa
dc.publisher
Universidad de Palermo
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
RADIACIÓN SOLAR HORARIA
dc.subject
MODELOS EMPÍRICOS
dc.subject
REDES NEURONALES FEEDFORWARD
dc.subject
REGRESIÓN LINEAL
dc.subject
ENERGÍA RENOVABLE
dc.subject.classification
Ciencias de la Computación
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ciencias de la Computación e Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Estimación de radiación solar horaria utilizando modelos empíricos y redes neuronales artificiales
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2020-12-04T18:38:23Z
dc.identifier.eissn
2344-9217
dc.journal.number
17
dc.journal.pagination
29-43
dc.journal.pais
Argentina
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Ciudad Autónoma de Buenos Aires
dc.description.fil
Fil: Jimenez, Victor Adrian. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
dc.description.fil
Fil: Will, Adrian L. E.. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
dc.description.fil
Fil: Rodriguez, Sebastian Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tucumán; Argentina. Universidad Tecnológica Nacional. Facultad Regional Tucumán. Centro de Investigación en Tecnologías Avanzadas de Tucumán; Argentina
dc.journal.title
Ciencia y Tecnología
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/http://www.palermo.edu/ingenieria/pdf2017/CyT_17_02.pdf
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/http://dspace.palermo.edu/dspace/handle/10226/1886
Archivos asociados