Busque entre los 168452 recursos disponibles en el repositorio
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 |