Aplicación de un algoritmo de optimización basado en aprendizaje automático en la predicción de la generación fotovoltaica Application of a machine learning based optimization algorithm in the prediction of photovoltaic generation

Resumen

Aprovechar la energía solar para generar electricidad fotovoltaica es crucial para el desarrollo sostenible. Esta investigación propone un modelo de predicción de generación fotovoltaica utilizando Machine Learning, específicamente la técnica "Random Forest", basado en datos reales de irradiación solar y temperatura del año 2020. Los datos se obtuvieron con un piranómetro Solar Power Meter SM206 en Lacatunga, Ecuador. El modelo se desarrolló en Python, analizando las variables más influyentes. Predice la potencia basándose en irradiación solar y temperatura, con el mes de mayo seleccionado por tener la mayor cantidad de datos, lo que permite mantener el error dentro de márgenes aceptables y garantiza la eficiencia del modelo. Se comparó con datos de marzo, un mes con menos datos disponibles. La precisión en la predicción diaria fue del 91,41% y en la predicción mensual alcanzó el 94,47%. La predicción mensual resulta más efectiva debido a la mayor cantidad de datos por variable, mejorando el rendimiento del entrenamiento. Este modelo es confiable para predecir la generación fotovoltaica y optimizar sistemas de energía solar, aprovechando las altas tasas de irradiación solar en regiones tropicales.