dc.contributor |
Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial |
dc.contributor |
Costa Castelló, Ramon |
dc.contributor.author |
Ruiz Celada, Oriol |
dc.date |
2019-07-15 |
dc.identifier.citation |
ETSEIB-240.144532 |
dc.identifier.uri |
http://hdl.handle.net/2117/166951 |
dc.language.iso |
cat |
dc.publisher |
Universitat Politècnica de Catalunya |
dc.rights |
info:eu-repo/semantics/openAccess |
dc.rights |
http://creativecommons.org/licenses/by-nc-sa/3.0/es/ |
dc.subject |
Àrees temàtiques de la UPC::Energies::Gestió de l'energia |
dc.subject |
Àrees temàtiques de la UPC::Energies::Energia solar fotovoltaica |
dc.subject |
Photovoltaic power generation |
dc.subject |
Neural networks (Computer science) |
dc.subject |
Energia solar fotovoltaica |
dc.subject |
Xarxes neuronals (Informàtica) |
dc.title |
Estimació de la producció i consum d’energia solar emprant xarxes neuronals |
dc.type |
info:eu-repo/semantics/bachelorThesis |
dc.description.abstract |
L’objectiu d’aquest treball consisteix en trobar un model que permeti realitzar la predicció tant de la producció d’energia solar com de la demanda elèctrica d’una instal·lació. Amb aquestes prediccions, els sistemes de control de la micro-xarxa podran realitzar una gestió més òptima de la instal·lació. Per a obtenir aquest model només es té accés a les mostres històriques, i el programa Matlab ha estat l’utilitzat per realitzar tots els càlculs necessaris.
Aquest model es basa amb xarxes neuronals. Les xarxes són un model computacional que pretén imitar el funcionament de les neurones biològiques, d’aquí prové el nom. Les xarxes consten de diverses neurones connectades entre sí, cada una amb uns pesos determinats. En introduir una sèrie d’entrades a la xarxa, dintre seu es realitzen una sèrie de càlculs fins a obtenir un resultat final. Per tal d’obtenir models precisos, cal entrenar la xarxa amb grans quantitats d’entrades. L’entrenament de les xarxes consisteix en introduir-li parelles de dades, per una banda les entrades i per l’altre el valor objectiu que hauria de sortir com a resultat de la xarxa. Mitjançant algoritmes d’entrenament, es troben els pesos òptims que permeten ajustar al màxim els resultats de la xarxa als valors objectius. En el cas específic d’aquest treball, a les xarxes se li introduïen les mostres dels dos dies anteriors per tal de que la xarxa fes una predicció de les mostres del dia següent.
En aquesta memòria es fa una explicació del procediment realitzat fins a obtenir aquest model final. S’ha dividit el treball en etapes, cada una amb un objectiu i fonts de dades diferents. Degut a la naturalesa inherent de les xarxes neuronals, és necessari un procés d’experimentació i iteració per a desenvolupar-les. Al llarg de les etapes es va refinar els procediments d’obtenció de les xarxes, i es van definir uns criteris específics per tal de comparar xarxes entre elles. A l’última etapa, amb les lliçons apreses de les etapes inicials es crea el model final amb les dades provinents d’una instal·lació real que combina plaques solars i la demanda d’un grup d’habitatges. S’ha obtingut tant models separats per la producció i demanda, com un model conjunt que permet fer una predicció del dèficit.
Els models obtinguts permetien aconseguir aquestes prediccions amb diferents graus de precisió. Es comprova com la inclusió de factors addicionals al model, com informació relacionada amb el temps o la temperatura, ajudava a la millora de la precisió. Per contra, s’ha observat el detriment que suposa a la qualitat de les xarxes la manca de dades. El model final no és capaç d’adaptar-se del tot a les situacions amb més inestabilitat, però si que permet predir les tendències que seguiran la producció i la demanda. |