Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

Mostrar el registro sencillo del ítem

dc.date.accessioned 2020-08-20T16:35:27Z
dc.date.available 2020-08-20T16:35:27Z
dc.date.issued 2011
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/102754
dc.description.abstract La optimización de los sistemas fotovoltaicos para la generación de energía eléctrica implica la necesidad de disponer datos reales de las diferentes variables involucradas, como así también la determinación de sus correlaciones. En el ámbito de la energía solar fotovoltaica resulta de interés poder predecir la energía eléctrica generada por los módulos en función de la radiación solar y de los parámetros climáticos. En este trabajo, se propone un método de correlación basado en técnicas de inteligencia artificial, que permite obtener la energía generada para distintas condiciones climáticas durante un año. Además, se propone un modelo que relaciona la corriente de cortocircuito de una celda solar con la radiación global, pero a diferencia de lo usual, se considera el verdadero comportamiento no lineal de la relación entre las variables. Los resultados del método propuesto empleando datos reales muestran su validez y utilidad en la predicción de energía generada por módulos fotovoltaicos y en avances tendientes a encontrar métodos de medición de radiación solar alternativos con bajo error. es
dc.description.abstract In the optimisation of photovoltaic systems for electricity generation real data of the different variables involved are needed as well as determination of their relationships. In the field of photovoltaic solar energy there is interest to predict the energy generation in terms of solar radiation and climatic parameters. In this paper, we propose a method based on artificial intelligence techniques for obtaining the generated energy under climatic conditions during a year. In addition, we propose a model that relates short-circuit current with radiation, but unlike usual, is considered the true nonlinear behavior of the relationship between variables. The results of the proposed method using real data show its validity and usefulness in predicting the generated energy by photovoltaic modules and the search for alternative methods of measuring global radiation at low cost and reasonable error. en
dc.format.extent 27-33 es
dc.language es es
dc.subject módulos fotovoltaicos es
dc.subject Celdas Solares es
dc.subject caracterización es
dc.subject predicción de generación es
dc.subject programación genética es
dc.title Predicción de propiedades de celdas solares y módulos fotovoltaicos por métodos de inteligencia artificial es
dc.type Articulo es
sedici.identifier.issn 0329-5184 es
sedici.creator.person Sánchez Reinoso, Carlos Roberto es
sedici.creator.person Cutrera, Miriam es
sedici.creator.person Battioni, Mario es
sedici.creator.person Risso, Gustavo Armando es
sedici.creator.person Milone, Diego Humberto es
sedici.creator.person Buitrago, Román Horacio es
sedici.subject.materias Ingeniería es
sedici.subject.materias Química es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Asociación Argentina de Energías Renovables y Medio Ambiente (ASADES) es
sedici.subtype Comunicacion es
sedici.rights.license Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/
sedici.relation.event XXXIV Congreso de ASADES (Río Hondo, Santiago del Estero, 4 al 7 de octubre de 2011) es
sedici.description.peerReview peer-review es
sedici.relation.journalTitle Avances en Energías Renovables y Medio Ambiente es
sedici.relation.journalVolumeAndIssue vol. 15 es


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)