Please use this identifier to cite or link to this item:
http://hdl.handle.net/10553/18927
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Díaz Reyes, Felipe | es |
dc.contributor.advisor | Lauret, Philipe | es |
dc.contributor.author | Mazorra Aguiar, Luis | es |
dc.contributor.other | Departamento de Ingeniería Eléctrica | es |
dc.date.accessioned | 2016-11-01T03:30:27Z | - |
dc.date.accessioned | 2018-06-06T08:18:34Z | - |
dc.date.available | 2016-11-01T03:30:27Z | - |
dc.date.available | 2018-06-06T08:18:34Z | - |
dc.date.issued | 2016 | en_US |
dc.identifier.uri | http://hdl.handle.net/10553/18927 | - |
dc.description | Programa de doctorado: Tecnología Industrial. La fecha de publicación es la fecha de lectura. | es |
dc.description.abstract | La radiación solar global es una de las variables más importantes para determinar la capacidad de producción eléctrica de una región. Una predicción fiable de las condiciones de radiación solar pueden conducir a un aprovechamiento más eficiente de la energía producida en las centrales solares. La energía proveniente de fuentes convencionales es fácilmente regulable, por lo que disponer de los patrones de carga y producción de energía solar con adelanto permitirá a los operadores un mejor balance entre la demanda y la generación de potencia. En los sistemas insulares, como es el caso de Gran Canaria, estos problemas se agudizan al no encontrarse conectados con la red general eléctrica del continente. | es |
dc.format | application/pdf | es |
dc.language | spa | en_US |
dc.rights | by-nc-nd | es |
dc.subject | 120304 Inteligencia artificial | es |
dc.subject | 210601 Energía solar | es |
dc.subject | 3322 Tecnología energética | es |
dc.title | Modelo predictivo de radiación solar mediante técnicas de machine learning: aplicación a la isla de Gran Canaria | es |
dc.title.alternative | Solar radiation forecasting model using machine learning techniques: application to Gran canaria island | en_US |
dc.type | info:eu-repo/semantics/doctoralThesis | en_US |
dc.type | Thesis | en_US |
dc.type | Thesis | en_US |
dc.compliance.driver | 1 | es |
dc.contributor.departamento | Departamento de Ingeniería Eléctrica | es |
dc.identifier.absysnet | 552257 | es |
dc.investigacion | Ingeniería y Arquitectura | es |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | es |
dc.type2 | Tesis doctoral | en_US |
dc.identifier.matricula | TESIS-941742 | es |
dc.identifier.ulpgc | Sí | es |
dc.contributor.programa | Tecnología Industrial | es |
item.grantfulltext | open | - |
item.fulltext | Con texto completo | - |
crisitem.author.dept | GIR SIANI: Modelización y Simulación Computacional | - |
crisitem.author.dept | IU Sistemas Inteligentes y Aplicaciones Numéricas | - |
crisitem.author.dept | Departamento de Ingeniería Eléctrica | - |
crisitem.author.orcid | 0000-0002-9746-7461 | - |
crisitem.author.parentorg | IU Sistemas Inteligentes y Aplicaciones Numéricas | - |
crisitem.author.fullName | Mazorra Aguiar, Luis | - |
Appears in Collections: | Tesis doctoral |
Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.