Extensión sobre la generación de energía fotovoltaica para la previsión solar a corto plazo

Este estudio tiene como objetivo explorar la aplicación de arquitecturas de aprendizaje profundo para mejorar la precisión y optimizar el uso de recursos en la previsión de generación de energía solar para su aplicación práctica. Abordando el desafío de la variabilidad en la producción de energía solar, el estudio evalúa tres modelos diferentes de Redes Neuronales Convolucionales (CNN) utilizando un extenso conjunto de datos de imágenes del cielo y generación de energía fotovoltaica (PV) recolectados durante tres años. Esta investigación llena un vacío en las metodologías anteriores al aprovechar el procesamiento avanzado de imágenes y el aprendizaje profundo para la predicción en tiempo real. Los modelos fueron probados por su eficiencia y precisión en cuatro métricas. Los hallazgos sugieren que predicciones precisas de energía solar pueden mejorar la estabilidad de la red, optimizar la gestión de energía y reducir costos operativos para los proveedores de energía. Este estudio contribuye al objetivo más amplio del desarrollo sostenible de la energía, ofreciendo un camino para integrar la energía renovable de manera más efectiva en las redes eléctricas existentes.