Balcázar Rodríguez, Luis Eduardo2023-12-052023-12-052023-11-23POS.998https://repositorio.puce.edu.ec/handle/123456789/38492Artículo previo a la obtención de Magíster en Electricidad Mención Energías Renovables y Eficiencia EnergéticaLa predicción precisa del consumo de energía de la carga conectada a la central fotovoltaica de la ESPOCH en la ciudad de Riobamba es esencial para optimizar su operación y maximizar su eficiencia. En este estudio, se aborda este desafío mediante el uso de la técnica de regresión lineal (RL) de MatLab machine learning, conociendo otras técnicas como regresión múltiple (MR) o redes neuronales artificiales (ANN) con buenos resultados, partiendo desde datos combinados de condiciones climáticas y datos históricos de generación. Teniendo como base un conjunto de datos de 5 meses de lecturas de la carga conectada, con intervalos de tiempo en horas y minutos, se entrenó 19 algoritmos diferentes y de esto resultó que el algoritmo “Stepwise Linear Regression” es eficaz para predicciones en intervalos de minutos mientras que el algoritmo “Linear Regression - Robust Linear” se destacó en las predicciones en intervalos de horas, validando estos así la técnica aplicada en términos de precisión de predicción. Los hallazgos de este estudio resaltan la importancia de explorar métodos alternativos de modelado y de adaptar el enfoque de temporalidades de los datos disponibles para lograr resultados con impacto positivo en la gestión eficiente de las centrales fotovoltaicas, la optimización de la generación y el consumo de energía de la carga conectada.esPredicción de consumo de energía, central fotovoltaica, regresión lineal de MatLab, algoritmos de predicción, Eficiencia energéticaArticle