Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/3013Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Corona Morales, Cristian Alexis%956221 | - |
| dc.creator | Corona Morales, Cristian Alexis%956221 | - |
| dc.date.accessioned | 2022-02-23T22:52:09Z | - |
| dc.date.available | 2022-02-23T22:52:09Z | - |
| dc.date.issued | 2022-02-24 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/3013 | - |
| dc.description | Los sistemas fotovoltaicos son una fuente de generación con mayor accesibilidad, ya que su recurso primario es el sol y su instalación es generalmente sencilla; Sin embargo, conlleva ciertos factores que intervienen en el proceso y afectan considerablemente la producción. El factor más influyente son las condiciones climáticas, que a su vez también son afectadas por las estaciones del año. Uno de los factores que afectan directamente a la generación de energía a partir de sistemas fotovoltaicos son los cúmulos de nubosidad presentes a lo largo del día ya que estos intervienen de forma significativa entre la radiación y las celdas eléctricas obstruyendo de diversas formas el proceso de producción de energía. Esta tesis busca predecir la capacidad de generación de energía fotovoltaica a partir de muestras reales y modelos matemáticos, para ello se hace uso de redes neuronales artificiales. Este método híbrido puede ser dividido en tres etapas, la primera, adquisición de datos de nubosidad de una zona seleccionada, en esta etapa se extraen imágenes satelitales del estado de nubosidad para después ser analizadas en escala de grises y proporcionar información a una primera red neuronal artificial, en la segunda etapa se realiza una predicción teórica de la irradiación solar sobre una superficie horizontal, estos datos no contienen elementos de nubosidad, por ello junto con los datos obtenidos de nubosidad y agregando la hora del día a cada dato son ingresados a una segunda red neuronal para poder realizar una predicción de irradiación solar sobre una superficie horizontal tomando en cuenta la nubosidad presente, finalmente en la tercera etapa se realizan el comportamiento de los datos predecidos, haciendo uso de modelos matemáticos se obtiene la irradiación solar sobre una superficie inclinada, esta última obtenida de los datos predecidos, posteriormente los datos son ingresados a un modelo matemático de panel solar y finalmente a un convertidor tipo boost, obteniendo así la energía generada en los próximos lapsos de tiempo. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | sistemas fotovoltaicos, redes neuronales artificiales, panel solar, convertidor tipo boost | es_MX |
| dc.title | Predicción de la Capacidad de Generación para Un Sistema Fotovoltaico | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Garcia Beltran, Carlos Daniel%122157 | - |
| dc.folio | 22-0009 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Ingeniería Electrónica | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ME_Cristian_Alexis_Corona_Morales_2022.pdf | Tesis | 6.64 MB | Adobe PDF | View/Open |
| ME_Cristian_Alexis_Corona_Morales_22_c.pdf Restricted Access | Cesión de derechos | 193.34 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
