Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables

Autores
Cappelletti, Marcelo Ángel; Gross, Patricio Martín; Olivera, Lucas; Guzmán, Jésica; Scheone, Carlos; Osio, Jorge Rafael; Morales, Martín
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El crecimiento sostenido de la demanda energética y la transición hacia fuentes renovables plantean tecnológicos nuevos desafíos que requieren soluciones basadas en herramientas computacionales avanzadas. En este contexto, el desarrollo de métodos de modelado, optimización y análisis de datos se vuelve fundamental para mejorar la eficiencia y la integración de sistemas energéticos renovables, contribuyendo al reemplazo progresivo de los combustibles fósiles y a la reducción del impacto ambiental asociado a la generación eléctrica tradicional. Entre las tecnologías renovables, la energía solar fotovoltaica representa un escenario particularmente relevante desde el punto de vista computacional, debido a la complejidad inherente al recurso solar, su alta variabilidad temporal y la necesidad de optimizar tanto el diseño de dispositivos como la operación de los sistemas. Sin embargo, la incorporación eficiente de esta tecnología en la red eléctrica enfrenta desafíos relacionados con la predicción del recurso, la toma de decisiones bajo incertidumbre y la optimización de procesos en múltiples escalas, aspectos que requieren enfoques basados en algoritmos y aprendizaje automático. El objetivo general del presente proyecto es generar aportes científico-tecnológicos desde la informática aplicada, mediante el desarrollo y evaluación de estrategias computacionales orientadas a mejorar los procesos de generación de energía eléctrica a partir de recursos renovables. En particular, se propone el diseño de metodologías basadas en aprendizaje automático, optimización y análisis de datos para abordar problemas asociados tanto al diseño de dispositivos fotovoltaicos basados en nuevos materiales como al análisis y gestión de sistemas fotovoltaicos (SFV) bajo diferentes condiciones ambientales. El proyecto también promueve la formación de recursos humanos en áreas interdisciplinarias, integrando estudiantes y docentes investigadores en temáticas vinculadas a la ciencia de datos, la inteligencia artificial y la computación aplicada a la energía. Finalmente, la propuesta fortalece la colaboración con otros grupos académicos, consolidando una línea de investigación en informática aplicada a sistemas energéticos renovables dentro del ámbito de la UNAJ.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Aprendizaje automático (Machine learning)
Optimización computacional
Sistemas energéticos renovables
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195683

id SEDICI_2f994fc5eb5d871d4bb4cb6f5840ad0f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195683
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovablesCappelletti, Marcelo ÁngelGross, Patricio MartínOlivera, LucasGuzmán, JésicaScheone, CarlosOsio, Jorge RafaelMorales, MartínCiencias InformáticasAprendizaje automático (Machine learning)Optimización computacionalSistemas energéticos renovablesEl crecimiento sostenido de la demanda energética y la transición hacia fuentes renovables plantean tecnológicos nuevos desafíos que requieren soluciones basadas en herramientas computacionales avanzadas. En este contexto, el desarrollo de métodos de modelado, optimización y análisis de datos se vuelve fundamental para mejorar la eficiencia y la integración de sistemas energéticos renovables, contribuyendo al reemplazo progresivo de los combustibles fósiles y a la reducción del impacto ambiental asociado a la generación eléctrica tradicional. Entre las tecnologías renovables, la energía solar fotovoltaica representa un escenario particularmente relevante desde el punto de vista computacional, debido a la complejidad inherente al recurso solar, su alta variabilidad temporal y la necesidad de optimizar tanto el diseño de dispositivos como la operación de los sistemas. Sin embargo, la incorporación eficiente de esta tecnología en la red eléctrica enfrenta desafíos relacionados con la predicción del recurso, la toma de decisiones bajo incertidumbre y la optimización de procesos en múltiples escalas, aspectos que requieren enfoques basados en algoritmos y aprendizaje automático. El objetivo general del presente proyecto es generar aportes científico-tecnológicos desde la informática aplicada, mediante el desarrollo y evaluación de estrategias computacionales orientadas a mejorar los procesos de generación de energía eléctrica a partir de recursos renovables. En particular, se propone el diseño de metodologías basadas en aprendizaje automático, optimización y análisis de datos para abordar problemas asociados tanto al diseño de dispositivos fotovoltaicos basados en nuevos materiales como al análisis y gestión de sistemas fotovoltaicos (SFV) bajo diferentes condiciones ambientales. El proyecto también promueve la formación de recursos humanos en áreas interdisciplinarias, integrando estudiantes y docentes investigadores en temáticas vinculadas a la ciencia de datos, la inteligencia artificial y la computación aplicada a la energía. Finalmente, la propuesta fortalece la colaboración con otros grupos académicos, consolidando una línea de investigación en informática aplicada a sistemas energéticos renovables dentro del ámbito de la UNAJ.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf107-111http://sedici.unlp.edu.ar/handle/10915/195683spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195683Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.762SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
title Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
spellingShingle Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
Cappelletti, Marcelo Ángel
Ciencias Informáticas
Aprendizaje automático (Machine learning)
Optimización computacional
Sistemas energéticos renovables
title_short Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
title_full Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
title_fullStr Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
title_full_unstemmed Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
title_sort Estrategias avanzadas de optimización basadas en aprendizaje automático para sistemas de energías renovables
dc.creator.none.fl_str_mv Cappelletti, Marcelo Ángel
Gross, Patricio Martín
Olivera, Lucas
Guzmán, Jésica
Scheone, Carlos
Osio, Jorge Rafael
Morales, Martín
author Cappelletti, Marcelo Ángel
author_facet Cappelletti, Marcelo Ángel
Gross, Patricio Martín
Olivera, Lucas
Guzmán, Jésica
Scheone, Carlos
Osio, Jorge Rafael
Morales, Martín
author_role author
author2 Gross, Patricio Martín
Olivera, Lucas
Guzmán, Jésica
Scheone, Carlos
Osio, Jorge Rafael
Morales, Martín
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aprendizaje automático (Machine learning)
Optimización computacional
Sistemas energéticos renovables
topic Ciencias Informáticas
Aprendizaje automático (Machine learning)
Optimización computacional
Sistemas energéticos renovables
dc.description.none.fl_txt_mv El crecimiento sostenido de la demanda energética y la transición hacia fuentes renovables plantean tecnológicos nuevos desafíos que requieren soluciones basadas en herramientas computacionales avanzadas. En este contexto, el desarrollo de métodos de modelado, optimización y análisis de datos se vuelve fundamental para mejorar la eficiencia y la integración de sistemas energéticos renovables, contribuyendo al reemplazo progresivo de los combustibles fósiles y a la reducción del impacto ambiental asociado a la generación eléctrica tradicional. Entre las tecnologías renovables, la energía solar fotovoltaica representa un escenario particularmente relevante desde el punto de vista computacional, debido a la complejidad inherente al recurso solar, su alta variabilidad temporal y la necesidad de optimizar tanto el diseño de dispositivos como la operación de los sistemas. Sin embargo, la incorporación eficiente de esta tecnología en la red eléctrica enfrenta desafíos relacionados con la predicción del recurso, la toma de decisiones bajo incertidumbre y la optimización de procesos en múltiples escalas, aspectos que requieren enfoques basados en algoritmos y aprendizaje automático. El objetivo general del presente proyecto es generar aportes científico-tecnológicos desde la informática aplicada, mediante el desarrollo y evaluación de estrategias computacionales orientadas a mejorar los procesos de generación de energía eléctrica a partir de recursos renovables. En particular, se propone el diseño de metodologías basadas en aprendizaje automático, optimización y análisis de datos para abordar problemas asociados tanto al diseño de dispositivos fotovoltaicos basados en nuevos materiales como al análisis y gestión de sistemas fotovoltaicos (SFV) bajo diferentes condiciones ambientales. El proyecto también promueve la formación de recursos humanos en áreas interdisciplinarias, integrando estudiantes y docentes investigadores en temáticas vinculadas a la ciencia de datos, la inteligencia artificial y la computación aplicada a la energía. Finalmente, la propuesta fortalece la colaboración con otros grupos académicos, consolidando una línea de investigación en informática aplicada a sistemas energéticos renovables dentro del ámbito de la UNAJ.
Red de Universidades con Carreras en Informática
description El crecimiento sostenido de la demanda energética y la transición hacia fuentes renovables plantean tecnológicos nuevos desafíos que requieren soluciones basadas en herramientas computacionales avanzadas. En este contexto, el desarrollo de métodos de modelado, optimización y análisis de datos se vuelve fundamental para mejorar la eficiencia y la integración de sistemas energéticos renovables, contribuyendo al reemplazo progresivo de los combustibles fósiles y a la reducción del impacto ambiental asociado a la generación eléctrica tradicional. Entre las tecnologías renovables, la energía solar fotovoltaica representa un escenario particularmente relevante desde el punto de vista computacional, debido a la complejidad inherente al recurso solar, su alta variabilidad temporal y la necesidad de optimizar tanto el diseño de dispositivos como la operación de los sistemas. Sin embargo, la incorporación eficiente de esta tecnología en la red eléctrica enfrenta desafíos relacionados con la predicción del recurso, la toma de decisiones bajo incertidumbre y la optimización de procesos en múltiples escalas, aspectos que requieren enfoques basados en algoritmos y aprendizaje automático. El objetivo general del presente proyecto es generar aportes científico-tecnológicos desde la informática aplicada, mediante el desarrollo y evaluación de estrategias computacionales orientadas a mejorar los procesos de generación de energía eléctrica a partir de recursos renovables. En particular, se propone el diseño de metodologías basadas en aprendizaje automático, optimización y análisis de datos para abordar problemas asociados tanto al diseño de dispositivos fotovoltaicos basados en nuevos materiales como al análisis y gestión de sistemas fotovoltaicos (SFV) bajo diferentes condiciones ambientales. El proyecto también promueve la formación de recursos humanos en áreas interdisciplinarias, integrando estudiantes y docentes investigadores en temáticas vinculadas a la ciencia de datos, la inteligencia artificial y la computación aplicada a la energía. Finalmente, la propuesta fortalece la colaboración con otros grupos académicos, consolidando una línea de investigación en informática aplicada a sistemas energéticos renovables dentro del ámbito de la UNAJ.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195683
url http://sedici.unlp.edu.ar/handle/10915/195683
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
107-111
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982611628523520
score 13.334379