Predicción de estado de carga de baterías para sistemas fotovoltaicos en el sector minero utilizando técnicas de aprendizaje automático supervisado
Loading...
Date
2021-09-27
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Católica de Santa María
Abstract
En el presente trabajo de investigación propuesto tiene como objetivo la predicción del
Estado de Carga de Baterías de equipos energizados por paneles solares en sector minero,
mediante técnicas de aprendizaje supervisado automático.
Se cuenta con un sistema de monitoreo que registra cada variable de energía programado
en el sistema fotovoltaico, por el cual se realizó un análisis de los datos extraídos del
sistema de monitoreo. Los datos fueron evaluados mediante técnicas de aprendizaje
supervisado automático por medio de la herramienta RapidMiner cuyo promedio de
predicción fue un 90.12 %.
Se eligió la técnica de aprendizaje supervisado automático más adecuada para la
predicción del estado de carga de las baterías para sistemas fotovoltaicos, cuya técnica
elegida fue desarrollada utilizando la librería Tensorflow y el lenguaje de programación
Python.
Se hizo un análisis y discusión de los resultados del entrenamiento del modelo que
finalmente con el modelo correctamente entrenado se procedió a realizar una validación
que conllevo a la comparación de los datos predictivos con los datos en tiempo real
obteniendo una buena relación y resultados satisfactorios.
Description
Keywords
Predicción, Sistemas Fotovoltaicos, Aprendizaje Automático