Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/98704
Título : | Predicción de la Producción de Energía en Centrales Solares mediante Modelos de Aprendizaje Automático |
Autor : | Fernández-Pacheco Sánchez-Migallón, Atilano Ramiro Campo Herrero, Javier Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI) |
Fecha de publicación : | 2025 |
Resumen : | Este estudio comparativo evaluó la evolución desde regresiones lineales básicas hasta SARIMA, Bosque Aleatorio y redes LSTM para la predicción fotovoltaica en horizontes diario y anual. Se constató una mejora continua en precisión y en varianza explicada, alcanzando los mejores resultados con LSTM. La segmentación temporal y la optimización de hiperparámetros demostraron ser claves para adaptar cada modelo a su escala específica. This comparative study assessed photovoltaic forecasting methods from basic linear regression through SARIMA, Random Forest, and LSTM on both daily and annual horizons. Accuracy and explained variance improved at each stage, with LSTM delivering the highest precision. Temporal segmentation and rigorous hyperparameter tuning proved essentialto adapt each model to its respective scale. |
Descripción : | Grado en Ingeniería en Tecnologías de Telecomunicación |
URI : | http://hdl.handle.net/11531/98704 |
Aparece en las colecciones: | TFG, TFM (temporales) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Memoria final.pdf | Trabajo Fin de Grado | 2,18 MB | Adobe PDF | Visualizar/Abrir |
AnexoI.docx.pdf | Autorización | 143,81 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.