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

Descripción del Articulo

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 a...

Descripción completa

Detalles Bibliográficos
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
id UNSA_05fa7e45545d214eef230601daa2c489
oai_identifier_str oai:repositorio.unsa.edu.pe:20.500.12773/22439
network_acronym_str UNSA
network_name_str UNSA-Institucional
repository_id_str 4847
spelling Noriega Caceres, Angel RodrigoVillanueva Huancollo, Kevin Hugo2026-04-21T17:31:07Z2026-04-21T17:31:07Z2026Este 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 inteligenteapplication/pdfhttps://hdl.handle.net/20.500.12773/22439spaUniversidad Nacional de San Agustín de ArequipaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de San Agustín de ArequipaRepositorio Institucional - UNSAreponame:UNSA-Institucionalinstname:Universidad Nacional de San Agustíninstacron:UNSAPredicción fotovoltaicaDeep LearningRedes neuronalesEficiencia energéticahttps://purl.org/pe-repo/ocde/ford#2.02.01Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energéticainfo:eu-repo/semantics/masterThesisSUNEDU72354882https://orcid.org/0000-0001-7619-105972521434711167Sellerico Mamani, Pedro PetherPeña Gutierrez, Jose LuisNoriega Caceres, Angel Rodrigohttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisMaestría en Gestión de la Energía con mención en ElectricidadUniversidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y ServiciosMaestro en Gestión de la Energía con mención en ElectricidadORIGINALTesis.pdfapplication/pdf1698130https://repositorio.unsa.edu.pe/bitstreams/9172e883-ae2e-41b2-966f-5c35757dc461/downloadab9da4b61283b33203c208f557c8fc96MD51Reporte de Similitud.pdfapplication/pdf2128959https://repositorio.unsa.edu.pe/bitstreams/1996d9c2-0779-4fac-adf5-be1fa59efca2/download089aa873cd63331eb5ed7a3351979e9aMD52Autorización de Publicación Digital.pdfapplication/pdf122030https://repositorio.unsa.edu.pe/bitstreams/6d62368f-c09d-4392-a2b9-ca4ef977b3fa/download795c3d80b79a8dd144f8cba0a37827deMD5320.500.12773/22439oai:repositorio.unsa.edu.pe:20.500.12773/224392026-04-21 12:31:22.221http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSAvridi.gestioninformacion@unsa.edu.pe
dc.title.es.fl_str_mv Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
title Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
spellingShingle Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
Villanueva Huancollo, Kevin Hugo
Predicción fotovoltaica
Deep Learning
Redes neuronales
Eficiencia energética
https://purl.org/pe-repo/ocde/ford#2.02.01
title_short Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
title_full Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
title_fullStr Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
title_full_unstemmed Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
title_sort Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
author Villanueva Huancollo, Kevin Hugo
author_facet Villanueva Huancollo, Kevin Hugo
author_role author
dc.contributor.advisor.fl_str_mv Noriega Caceres, Angel Rodrigo
dc.contributor.author.fl_str_mv Villanueva Huancollo, Kevin Hugo
dc.subject.es.fl_str_mv Predicción fotovoltaica
Deep Learning
Redes neuronales
Eficiencia energética
topic Predicción fotovoltaica
Deep Learning
Redes neuronales
Eficiencia energética
https://purl.org/pe-repo/ocde/ford#2.02.01
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.01
description 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
publishDate 2026
dc.date.accessioned.none.fl_str_mv 2026-04-21T17:31:07Z
dc.date.available.none.fl_str_mv 2026-04-21T17:31:07Z
dc.date.issued.fl_str_mv 2026
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12773/22439
url https://hdl.handle.net/20.500.12773/22439
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.es.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.publisher.country.none.fl_str_mv PE
dc.source.es.fl_str_mv Universidad Nacional de San Agustín de Arequipa
Repositorio Institucional - UNSA
dc.source.none.fl_str_mv reponame:UNSA-Institucional
instname:Universidad Nacional de San Agustín
instacron:UNSA
instname_str Universidad Nacional de San Agustín
instacron_str UNSA
institution UNSA
reponame_str UNSA-Institucional
collection UNSA-Institucional
bitstream.url.fl_str_mv https://repositorio.unsa.edu.pe/bitstreams/9172e883-ae2e-41b2-966f-5c35757dc461/download
https://repositorio.unsa.edu.pe/bitstreams/1996d9c2-0779-4fac-adf5-be1fa59efca2/download
https://repositorio.unsa.edu.pe/bitstreams/6d62368f-c09d-4392-a2b9-ca4ef977b3fa/download
bitstream.checksum.fl_str_mv ab9da4b61283b33203c208f557c8fc96
089aa873cd63331eb5ed7a3351979e9a
795c3d80b79a8dd144f8cba0a37827de
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNSA
repository.mail.fl_str_mv vridi.gestioninformacion@unsa.edu.pe
_version_ 1864911260710076416
score 13.922664
Metodología para implementación de redes neuronales artificiales y/o inteligencia artificial para el control de paneles solares y optimizar la eficiencia energética
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares