Título : Caracterización de la degradación temporal de células solares orgánicas mediante técnicas de machine learning |
Autor : Vico Rodriguez, Manuel |
Tutor: Valiente García, David |
Editor : Universidad Miguel Hernández de Elche |
Departamento: Departamentos de la UMH::Ingeniería de Sistemas y Automática |
Fecha de publicación: 2025-06 |
URI : https://hdl.handle.net/11000/37006 |
Resumen :
El presente trabajo tiene como objetivo optimizar la eficiencia y la durabilidad de células
solares orgánicas (OSC) mediante el uso de técnicas de machine learning. Para ello, se
llevaron a cabo experimentos con diferentes combinaciones de materiales, evaluando el
impacto de factores externos como la temperatura y la humedad en la eficiencia de
conversión de potencia (PCE). Los modelos de Random Forest y Gradient Boost se
utilizaron para realizar predicciones sobre la eficiencia de las células, y la herramienta
ROBERT se utilizó para realizar un análisis similar de manera automatizada y comparar
los resultados. Los resultados muestran que las variables meteorológicas, como la
temperatura y la humedad, tienen un efecto significativo en la PCE. Además, se
identificaron áreas clave de mejora, tales como la necesidad de mejorar la calidad de los
datos y reducir la redundancia entre variables. Se recomienda la ampliación del conjunto
de datos y la exploración de modelos más complejos para mejorar la capacidad predictiva
en futuros estudios.
This study aims to optimize the efficiency and durability of organic solar cells (OSCs)
using machine learning techniques. Various material combinations were tested to evaluate
the impact of external factors, such as temperature and humidity, on the power conversion
efficiency (PCE). Random Forest and Gradient Boost models were employed to predict
cell efficiency, while the ROBERT tool was used to perform a similar analysis in an
automated way and compare the results. The results indicate that meteorological
variables, such as temperature and humidity, significantly affect PCE. Key areas for
improvement were identified, including enhancing data quality and reducing variable
redundancy. It is recommended to expand the dataset and explore more complex models
to improve predictive capacity in future research.
|
Palabras clave/Materias: machine learning análisis de datos inteligencia artificial fotovoltaica células solares |
Área de conocimiento : CDU: Ciencias aplicadas: Ingeniería. Tecnología |
Tipo de documento : info:eu-repo/semantics/bachelorThesis |
Derechos de acceso: info:eu-repo/semantics/openAccess Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
Aparece en las colecciones: TFG-Ingeniería Electrónica y Automática Industrial
|