Avanzando en la predicción de la potencia de los paneles solares fotovoltaicos (PV): Un enfoque comparativo de aprendizaje automático en condiciones ambientales fluctuantes

Los paneles solares fotovoltaicos (PV) desempeñan un papel crucial en la generación de energía sostenible, sin embargo, su producción de energía a menudo enfrenta incertidumbres debido a las dinámicas condiciones climáticas. En este estudio, se introduce un enfoque comparativo de aprendizaje automático, utilizando técnicas de regresión multivariante (MR), regresión de máquinas de vectores de soporte (SVMR) y regresión gaussiana (GR) para la predicción precisa de la potencia de los paneles solares PV. La investigación sobre el impacto de factores ambientales—radiación solar, temperatura ambiente y humedad relativa—en la producción de los paneles PV revela las capacidades predictivas superiores de los modelos SVMR. Con un error cuadrático medio (MSE) de 0.038, un error absoluto medio (MAE) de 0.17 y un valor de R2 de 0.99, SVMR supera a los modelos GR y MR. Por el contrario, la regresión gaussiana demuestra un rendimiento comparativamente más débil, obteniendo un R2 de 0.88, un MSE de 0.49 y un MAE de 0.63. Esta investigación subraya la fiabilidad y la precisión mejorada del modelo SVMR propuesto en la previsión de la producción de energía de los paneles solares PV. Los resultados presentados aquí tienen importantes implicaciones para promover la adopción generalizada de paneles PV en la generación de electricidad, particularmente en condiciones ambientales desafiantes. Los hallazgos ofrecen valiosas ideas para optimizar la implementación de energía solar PV, contribuyendo en última instancia a la expansión de la generación de energía solar en el panorama energético nacional. Además, el análisis comparativo proporciona perspectivas sobre cómo la anticipada generación de energía PV puede adaptarse a las diversas condiciones climáticas, abarcando factores como la temperatura, la humedad y la radiación solar.