Mostrar el registro sencillo del ítem
Trabajo Fin de Grado
Predicción de la radiación solar usando una cámara all-sky y redes neuronales
dc.contributor.advisor | Domínguez Frejo, José Ramón | es |
dc.contributor.advisor | García Martín, Javier | es |
dc.creator | Barrientos de la Rosa, José | es |
dc.date.accessioned | 2023-08-31T10:41:01Z | |
dc.date.available | 2023-08-31T10:41:01Z | |
dc.date.issued | 2023 | |
dc.identifier.citation | Barrientos de la Rosa, J. (2023). Predicción de la radiación solar usando una cámara all-sky y redes neuronales. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/148578 | |
dc.description.abstract | En este trabajo de fin de grado se desarrollarán diversos modelos de redes neuronales para ver la eficacia que tienen ante el problema de estimar la radiación solar a partir de imágenes tomadas del cielo y sus datos de radiación. Se muestra el marco teórico sobre el que se apoyan los modelos, donde se detallan las características de los diferentes parámetros ajustables y la influencia que pueden llegar a tener sobre el resultado final. Finalmente, se realiza una extensa batería de 576 pruebas para analizar los resultados de forma experimental, en la que se llegan a obtener valores de precisión superiores al 90%, al mismo tiempo que se hacen notar las principales limitaciones: la insuficiencia de datos de partida y el requerimiento de mayor potencia de hardware. Para el desarrollo de este trabajo, ha sido necesario adquirir nuevas capacidades y conocimientos sobre programación, optimización de recursos hardware e investigación en el campo de la inteligencia artificial, los cuales fueron adquiridos de forma autodidacta. | es |
dc.description.abstract | In this document, various neural network models will be developed to assess their effectiveness in estimating solar radiation from sky images and radiation data. The theoretical framework supporting the models is presented, detailing the characteristics of different adjustable parameters and their potential influence on the final outcome. Subsequently, an extensive battery of 576 tests is carried out to analyze the results experimentally, achieving accuracy values exceeding 90%. At the same time, the main limitations are noted: insufficient initial data and the need for more hardware power. The development of this project required acquiring new skills and knowledge in programming, hardware resource optimization, and research in the field of artificial intelligence, which were selftaught. | es |
dc.format | application/pdf | es |
dc.format.extent | 99 p. | 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 | Predicción de la radiación solar usando una cámara all-sky y redes neuronales | es |
dc.type | info:eu-repo/semantics/bachelorThesis | 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 Ingeniería de Sistemas y Automática | es |
dc.description.degree | Universidad de Sevilla. Grado en Ingeniería de las Tecnologías Industriales | es |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
TFG4689_Barrientos de la Rosa.pdf | 5.560Mb | ![]() | Ver/ | |