Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/18927
Campo DC Valoridioma
dc.contributor.advisorDíaz Reyes, Felipees
dc.contributor.advisorLauret, Philipees
dc.contributor.authorMazorra Aguiar, Luises
dc.contributor.otherDepartamento de Ingeniería Eléctricaes
dc.date.accessioned2016-11-01T03:30:27Z-
dc.date.accessioned2018-06-06T08:18:34Z-
dc.date.available2016-11-01T03:30:27Z-
dc.date.available2018-06-06T08:18:34Z-
dc.date.issued2016en_US
dc.identifier.urihttp://hdl.handle.net/10553/18927-
dc.descriptionPrograma de doctorado: Tecnología Industrial. La fecha de publicación es la fecha de lectura.es
dc.description.abstractLa 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.formatapplication/pdfes
dc.languagespaen_US
dc.rightsby-nc-ndes
dc.subject120304 Inteligencia artificiales
dc.subject210601 Energía solares
dc.subject3322 Tecnología energéticaes
dc.titleModelo predictivo de radiación solar mediante técnicas de machine learning: aplicación a la isla de Gran Canariaes
dc.title.alternativeSolar radiation forecasting model using machine learning techniques: application to Gran canaria islanden_US
dc.typeinfo:eu-repo/semantics/doctoralThesisen_US
dc.typeThesisen_US
dc.typeThesisen_US
dc.compliance.driver1es
dc.contributor.departamentoDepartamento de Ingeniería Eléctricaes
dc.identifier.absysnet552257es
dc.investigacionIngeniería y Arquitecturaes
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses
dc.type2Tesis doctoralen_US
dc.identifier.matriculaTESIS-941742es
dc.identifier.ulpgces
dc.contributor.programaTecnología Industriales
item.fulltextCon texto completo-
item.grantfulltextopen-
crisitem.author.deptGIR SIANI: Modelización y Simulación Computacional-
crisitem.author.deptIU Sistemas Inteligentes y Aplicaciones Numéricas-
crisitem.author.deptDepartamento de Ingeniería Eléctrica-
crisitem.author.orcid0000-0002-9746-7461-
crisitem.author.parentorgIU Sistemas Inteligentes y Aplicaciones Numéricas-
crisitem.author.fullNameMazorra Aguiar, Luis-
Colección:Tesis doctoral
miniatura
Adobe PDF (29,33 MB)
Vista resumida

Visitas

375
actualizado el 23-sep-2023

Descargas

1.235
actualizado el 23-sep-2023

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.