ARQUITECTURA NEURONAL PARA PREDICCIÓN DE RADIACIÓN SOLAR EN BASE A VARIABLES METEOROLÓGICAS

Abstract

La predicción de la radiación solar presenta gran interés, debido al creciente uso de las energías renovables, comoalternativa a los problemas globales que plantean las fuentes de energía actuales. En la última década se han logradoimportantes avances, gracias a la introducción de resultados de otras áreas del conocimiento como la Inteligencia Artificial.En particular el aprendizaje profundo con las numerosas variantes de redes neuronales. Proponemos una solución basadaen clasificación supervisada que combina en un modelo, una capa convolucional con una capa GRU (Gated RecurrentUnits por sus siglas en inglés). Las clases se definen como intervalos de valores de radiación solar. Los objetos serepresentan a través de valores de temperatura ambiente, velocidad del viento, presión atmosférica y precipitación. Sedispone de un conjunto de datos de 112 estaciones con miles de registros de un período de dos años, tomados deestaciones meteorológicas distribuidas en todo el territorio de Galicia. Se ha empleado la métrica Macro-F1 para evaularla bondad de la clasificación porque las clases están desbalanceadas.