Predicción de la Generación para un Sistema Fotovoltaico mediante la aplicación de técnicas de Minería de Datos

This document presents a generation prediction model through data mining techniques for a photovoltaic plant located at Paragachi Community, belonging to Pimampiro (Imbabura), with a total of 14400 solar panels and 3.6 MW nominal power. This system does not have a battery bank for storage, for this reason, it does not provide energy at night, but during the day, it supplies the energy to 2000 households that represent Pimampiro’s urban population. It begins with a univariate and multivariate analysis of the measurement variables, whose objective is to determine the behavior, incidence and the relationship of each variable in the generation of the photovoltaic system. With the variables of higher incidence as input, a learning machine is trained; it uses the technique of decision trees through random forest to predict the generation. In renewable energies, the photovoltaic system is one of the most implemented and developed nowadays. However, predicting the amount of power it can generate is complicated by the stochastic behavior of the variables, limiting the entry of this technology into a competitive market, which can integrate into the National Interconnected System in an optimal and efficient way. Este documento presenta un modelo de predicción de generación de energía mediante técnicas de minería de datos para la central fotovoltaica ubicada en la Comunidad Paragachi, perteneciente al cantón Pimampiro (Imbabura), con un total de 14400 paneles solares y potencia nominal de 3.6 MW. Este sistema no cuenta con banco de baterías para almacenamiento, debido a esto no aporta durante las noches, pero en el día abastece a más de 2000 familias, que representa toda la población urbana de Pimampiro. Se inicia con un análisis univariante y multivariante de las variables de medición, cuyo objetivo es determinar el comportamiento, incidencia y la relación de cada variable en la generación de energía de la central. Con las variables de mayor incidencia como entrada, se entrena una máquina de aprendizaje que usa la técnica de árboles de decisión mediante bosques aleatorios (Random Forest) para predecir la generación de energía. En energías renovables, el sistema fotovoltaico es uno de los más implementados y desarrollados en la actualidad. Sin embargo, predecir la cantidad de generación que puede proveer es complicado por el comportamiento estocástico de las variables, limitando el ingreso de esta tecnología a un mercado competitivo que se integre al Sistema Nacional Interconectado de forma óptima y eficiente