dc.contributor.advisor | Galván Díez, Eduardo | es |
dc.contributor.advisor | Carrasco Solís, Juan Manuel | es |
dc.creator | García Pérez, Rafael Amadeo | es |
dc.date.accessioned | 2021-04-13T14:12:12Z | |
dc.date.available | 2021-04-13T14:12:12Z | |
dc.date.issued | 2020 | |
dc.identifier.citation | García Pérez, R.A. (2020). Diseño óptimo de sistema de generación fotovoltaico con almacenamiento en baterías para vivienda unifamiliar y electrolineras basado en técnicas de Machine Learning. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/107045 | |
dc.description.abstract | El objetivo de este trabajo de fin de máster es el de diseñar una instalación fotovoltaica para una
vivienda unifamiliar haciendo uso de técnicas de Machine Learning. El futuro de la generación
de energía eléctrica debe ser una generación limpia y renovable con el objetivo de reducir el ritmo
de contaminación actual, por lo tanto, es fundamental cualquier avance relativo a las tecnologías
relacionadas con las instalaciones fotovoltaicas, así como convertir en habitual las instalaciones
de autoconsumo eléctrico de las viviendas, dejando atrás ya la clásica instalación de consumo de
la red eléctrica. También se presta especial atención al diseño de instalaciones fotovoltaicas con
o sin baterías para electrolineras con el objetivo de reducir el consumo de energía eléctrica de la
red en la electrolinera. Una de las partes más críticas en el dimensionamiento de este tipo de
instalaciones es escoger los valores adecuados de potencia de paneles, capacidad de las baterías
y en algunos casos variables como la potencia a contratar, energía mínima que debe tener la
batería para proporcionar picos de potencia, etc. Para optimizar al máximo posible el
dimensionamiento e incrementar el ahorro obtenido en un periodo de 10 años con la instalación
se utilizará una técnica de Machine Learning que consistirá en el uso del algoritmo genético para
determinar los valores idóneos de potencia de los paneles y capacidad de las baterías que
optimicen una determinada función.
También será un objetivo fundamental de este proyecto el presentar y entregar los documentos de
la forma lo más profesional posible, contando por lo tanto con memoria descriptiva, memoria
técnica o anexos, presupuesto, pliego de condiciones y planos. | es |
dc.description.abstract | The goal of this end-of-master’s work is to design a photovoltaic installation for a single-family
home based on Machine Learning techniques. The future of electric energy generation must be
clean and renewable generation with the aim of reducing the current rate of pollution. Therefore,
any advance in technologies related to photovoltaic installations is essential, as well as making
the installation of self-consumption of electricity in houses commonplace, leaving behind the
classic installation of consumption in the electricity network. Special attention is also given to the
design of photovoltaic installations with or without batteries for charging stations with the aim of
reducing the consumption of electrical energy from the network in the charging station. One of
the most critical parts in the dimensioning of this type of installations is to choose the appropriate
values of panel power, battery capacity and in some cases variables such as the power to be
contracted, minimum energy that the battery must have to provide power peaks, etc. In order to
optimize the dimensioning as much as possible and increase the savings obtained in a period of
10 years with the installation, a Machine Learning technique will be used, which will consist in
the use of the genetic algorithm to determine the suitable values of power of the panels and
capacity of the batteries that optimize a certain function.
It will also be a fundamental objective of this project to present and deliver the documents in the
most professional way possible, counting therefore with descriptive memory, technical memory
or annexes, budget specifications and plans. | es |
dc.format | application/pdf | es |
dc.format.extent | 202 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 | Diseño óptimo de sistema de generación fotovoltaico con almacenamiento en baterías para vivienda unifamiliar y electrolineras basado en 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 Ingeniería Electrónica | es |
dc.description.degree | Universidad de Sevilla. Máster Universitario en Electrónica, Robótica y Automática | es |