Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética

• Autor: Villanueva Huancollo, Kevin Hugo
• Formato: tesis de maestría
• Fecha de Publicación: 2026
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/22439
• Enlace del recurso: https://hdl.handle.net/20.500.12773/22439
• Nivel de acceso: acceso abierto
• Materia: Predicción fotovoltaica; Deep Learning; Redes neuronales; Eficiencia energética; https://purl.org/pe-repo/ocde/ford#2.02.01

Este trabajo implementa un modelo predictivo basado en redes neuronales LSTM (Long Short-Term Memory) para la predicción de generación fotovoltaica utilizando datos sintéticos multivariados. El sistema procesa secuencias temporales de radiación solar, temperatura y potencia generada, empleando una arquitectura de deep learning para pronosticar la producción energética con 24 horas de anticipación. La metodología incluye generación de datos sintéticos, preprocesamiento con normalización MinMax, creación de secuencias temporales y entrenamiento supervisado, alcanzando una métrica RMSE que valida la efectividad del modelo para aplicaciones de gestión energética inteligente