Predicción de la Producción de Energía en Centrales Solares mediante Modelos de Aprendizaje Automático

Abstract

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.