Articulo Revista Indexada
Comparación de funciones kernel para la predicción de la oferta energética fotovoltaica
Autor
Mora-Paz, Héctor Andrés
Riascos, Jaime A.
Salazar-Castro, J.A.
Mora, Germán
Pantoja, Andrés
Revelo-Fuelagán, Javier
Mancera, Laura (1)
Peluffo-Ordoñez, Diego
Institución
Resumen
Recientemente, en los campos del cambio climático y de la demanda de
energía se ha volcado la atención al estudio y descubrimiento de patrones en energías
renovables, como la fotovoltaica. Estos patrones pueden obtenerse extrapolando la
radiación en función de las bandas del espectro electromagnético capturadas por
satélites Landsat y MODIS de la NASA, donde los algoritmos de redes neuronales
artificiales (ANN) y máquinas de soporte vectorial (SVM) han conseguido los
mejores modelos. No obstante, la adquisición de los datos de entrenamiento desde
esas fuentes es costosa y la exploración de funciones kernel para esta aplicación
es escasa. Por consiguiente, en este estudio se realizaron ajustes en los anteriores
aspectos, principalmente a través de: acoplamiento de nuevos kernels a ANN y SVM
en la biblioteca scikit-learn, contribuyendo en la reutilización y robustez de estos
algoritmos; e implementando un marco experimental para afinar hiperparámetros,
generando así resultados comparables con el estado del arte.