Integración del análisis predictivo en el sector energético: Aplicación de modelos predictivos para optimizar la generación y la gestión de la energía fotovoltaica

Abstract

[ES] Este trabajo se centra en la exploración y aplicación de técnicas de aprendizaje automático para predecir y gestionar la generación de energía fotovoltaica. La creciente demanda de energías renovables ha subrayado la necesidad de modelos predictivos precisos que puedan facilitar una gestión eficaz de la generación de energía. Este estudio utiliza un enfoque de modelos de regresión y series temporales para prever la producción de energía en una planta fotovoltaica, basándose en una serie de características climáticas y de funcionamiento.

A través de un análisis exhaustivo de los datos recopilados, este trabajo tiene como objetivo proporcionar una comprensión más profunda de los patrones de generación de energía y de cómo pueden ser influenciados por una serie de factores ambientales y operacionales. Además, se espera que los resultados de este estudio ayuden a identificar las mejores prácticas y estrategias para maximizar la eficiencia de la generación de energía fotovoltaica.

La integración de tecnologías de inteligencia artificial en el sector energético presenta un enorme potencial para mejorar la eficiencia y la sostenibilidad de los sistemas de energía renovable. Este estudio contribuye al creciente cuerpo de investigación en este campo y proporciona recomendaciones concretas para la implementación de técnicas de aprendizaje automático en la gestión y optimización de la generación de energía fotovoltaica.

[CAT] Aquest treball es centra en l'exploració i aplicació de tècniques d'aprenentatge automàtic per a predir i gestionar la generació d'energia fotovoltaica. La creixent demanda d'energies renovables ha posat de relleu la necessitat de models predictius precisos que puguen facilitar una gestió eficaç de la generació d'energia. Aquest estudi es basa en un enfocament de models de regressió i sèries temporals per a predir la producció d'energia en una planta fotovoltaica, prestant atenció a una sèrie de característiques climàtiques i operacionals. Mitjançant una anàlisi exhaustiva de les dades recollides, aquest treball té com a objectiu proporcionar una comprensió més profunda dels patrons de generació d'energia i de com poden ser influenciats per una sèrie de factors ambientals i operacionals. A més, s'espera que els resultats d'aquest estudi ajuden a identificar les millors pràctiques i estratègies per a maximitzar l'eficiència de la generació d'energia fotovoltaica. La integració de tecnologies d'intel·ligència artificial en el sector energètic presenta un enorme potencial per a millorar l'eficiència i la sostenibilitat dels sistemes d'energia renovable. Aquest estudi contribueix al creixent cos de recerca en aquest camp i proporciona recomanacions concretes per a la implementació de tècniques d'aprenentatge automàtic en la gestió i optimització de la generació d'energia fotovoltaica.

[EN] This work focuses on the exploration and application of machine learning techniques to predict and manage photovoltaic energy generation. The increasing demand for renewable energies has underscored the need for precise predictive models that can facilitate effective energy generation management. This study uses a regression model and time series approach to forecast energy production in a photovoltaic plant, based on a series of climatic and operational characteristics.

Through an exhaustive analysis of the collected data, this work aims to provide a deeper understanding of energy generation patterns and how they can be influenced by a series of environmental and operational factors. In addition, the results of this study are expected to help identify best practices and strategies to maximize the efficiency of photovoltaic energy generation.

The integration of artificial intelligence technologies in the energy sector presents enormous potential to improve the efficiency and sustainability of renewable energy systems. This study contributes to the growing body of research in this field and provides concrete recommendations for the implementation of machine learning techniques in the management and optimization of photovoltaic energy generation.