Curso actualmente no disponible
Aplicaciones de machine learning en sistemas fotovoltaicos
Curso
Virtual
Descripción
-
Tipología
Curso
-
Nivel
Nivel intermedio
-
Metodología
Virtual
-
Horas lectivas
13h
-
Duración
Flexible
-
Campus online
Sí
-
Servicio de consultas
Sí
-
Clases virtuales
Sí
La aplicación de técnicas de Machine Learning está revolucionando la automatización de procesos y la toma de decisiones basada en datos, convirtiéndose en una ventaja profesional para quienes pueden aplicar estas técnicas en diferentes áreas de conocimiento. Una de las áreas que ha despertado gran interés es la aplicación de técnicas de Machine Learning enfocadas a la gestión e implementación de sistemas de energía solar fotovoltaica, debido a la creciente necesidad de una transición hacia fuentes renovables de energía. La aplicación de diferentes técnicas de Machine Learning en este campo ha contribuido a reducir costos de implementación y mantenimiento, mejorar el desempeño del sistema, detectar y clasificar fallas de manera autónoma y eficiente, entre otras mejoras importantes para el buen funcionamiento de una solución solar fotovoltaica.
Este Seminario de Excelencia aborda la relación entre dos áreas de gran interés y trascendencia en la actualidad. Con este curso se busca equipar al estudiante de las herramientas para afrontar los principales retos de la gestión de sistemas fotovoltaicos mediante técnicas de Machine Learning. Los conceptos teóricos se afianzarán con ejercicios prácticos, aumentando así las capacidades del estudiante para la toma de decisiones en un entorno real.
Este Seminario de Excelencia es parte del curso IELE-4133 INTELLIGENT MANAGEMENT OF DER de la Escuela Internacional de Verano del Departamento de Ingeniería Eléctrica y Electrónica. Los participantes compartirán clases con estudiantes regulares de los programas de la Universidad de los Andes.
A tener en cuenta
Al finalizar el Seminario de Excelencia el estudiante estará en capacidad de:
Conocer los conceptos básicos de un sistema fotovoltaico con las diferentes normas de regulación y técnicas en vigor. Conocer los conceptos de machine learning y las técnicas actuales utilizadas. Comprender las principales aplicaciones de machine learning en sistemas fotovoltaicos. Aplicar los conceptos vistos en clase en casos de estudio en sistemas fotovoltaicos.
Profesionales en carreras con fundamentación matemática como ingenierías, economía, física, y matemáticas y con conocimientos básicos en programación; estudiantes de últimos semestres de pregrado y estudiantes de posgrado interesados en la aplicación de técnicas de Machine Learning en gestión e implementación de sistemas de energía solar fotovoltaica. No es requisito conocer sobre sistemas fotovoltaicos, pero si tener conocimientos previos básicos en elementos circuitales y programación.
Participó
Este Seminario de Excelencia se desarrollará en clases virtuales sincrónicas con ejemplos en computador. Los conceptos teóricos se afianzarán con ejercicios prácticos de forma sincrónica y asistida, aumentando así las capacidades del estudiante para la toma de decisiones en casos de estudio. Se trabajará con lenguajes de programación como C, Python, y Simulink. No es requisito esencial conocer específicamente estos lenguajes de programación, pero sí es necesario tener conocimientos básicos generales de programación.
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 14 años en Emagister.
Materias
- Excelencia
- Energía
- Energía Solar
- E learning
- Toma de decisiones
Profesores
Gabriel Esteban Narváez
Profesore
Luis Felipe Giraldo Trujillo PhD
Profesore
Michael Bressan
Docente
Es doctor ingeniero en eléctrica, electrónica e informática industrial aplicada en la gestión de energías renovables. Obtuvo su PhD en la Universidad de Perpiñán (Francia) en junio de 2014. Sus investigaciones consistieron en desarrollar una herramienta de supervisión y de detección de fallas para un sistema fotovoltaico. Desarrolló diferentes algoritmos de modelización y de detección de fallas, en particular, alrededor de la problemática de las sombras y de la suciedad visible para optimizar la producción fotovoltaica. Profesor visitante del departamento de Ingeniería Eléctrica y Electrónica
Programa académico
- Energía solar. Paneles solares. Elementos de conversión de potencia. Problemáticas en sistemas PV.
- Introducción a Machine Learning (Luis Felipe Giraldo):
- Técnicas de regresión y clasificación. Redes neuronales. Forecasting. Procesamiento de imágenes con redes convolucionales. Introducción a Reinforcement Learning.
Site-adaptation. Forecasting con LSTM. Detección de fallas en paneles solares con CNN. Control MPPT con reinforcement learning. Otros retos y aplicaciones.
Aplicaciones de machine learning en sistemas fotovoltaicos