Mostrar el registro sencillo del ítem
Trabajo Fin de Máster
Análisis predictivo de fallos en plantas fotovoltaicas mediante técnicas de Machine Learning
dc.contributor.advisor | Crespo Márquez, Adolfo | es |
dc.creator | Daimiel Borrallo, Cristina | es |
dc.date.accessioned | 2021-05-10T17:16:05Z | |
dc.date.available | 2021-05-10T17:16:05Z | |
dc.date.issued | 2020 | |
dc.identifier.citation | Daimiel Borrallo, C. (2020). Análisis predictivo de fallos en plantas fotovoltaicas mediante técnicas de Machine Learning. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/108810 | |
dc.description.abstract | El propósito de este proyecto es modelar un algoritmo que permita predecir los fallos que suceden en los inversores instalados en una planta fotovoltaica usando técnicas avanzadas de machine learning. Todo esto, basandonos en las distintas variables monitorizadas en el SCADA tanto del inversor, como variables ambientales. Algunos de los objetivos perseguidos con este estudio son: - Predicción del estado de un inversor (operativo o no) en las próximas x dias de funcionamiento para poder atender la planta y realizar un diagnostico y mantenimiento del equipo en caso de que fuera necesario. - Evaluar el rendimiento de los distintos modelos de machine learning para ver cuál es el que mejor se adapta a la predicción de fallos en estos equipos. | es |
dc.format | application/pdf | es |
dc.format.extent | 155 | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Análisis predictivo de fallos en plantas fotovoltaicas mediante técnicas de Machine Learning | es |
dc.type | info:eu-repo/semantics/masterThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Organización Industrial y Gestión de Empresas I | es |
dc.description.degree | Universidad de Sevilla. Máster en Organización Industrial y Gestión de Empresas | es |
dc.publication.endPage | 137 p. | es |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
TFM-1873-DAIMIEL BORRALLO.pdf | 10.47Mb | ![]() | Ver/ | |