Pronóstico de la producción de hidrógeno verde a partir de energía solar en el Norte de Chile utilizando modelos de machine learning y econométricos

Abstract

Este estudio aborda la predicción de irradiancia solar en el norte de Chile, específicamente en la región de Antofagasta, con el objetivo de estimar el potencial de generación eléctrica y la producción diaria de hidrógeno verde (H2) en kilogramos por metro cuadrado (kg/m²). Se implementaron modelos de machine learning (LSTM, BiLSTM, SVM) y modelos econométricos (ARIMAX, SARIMAX), evaluando su rendimiento con y sin descomposición temporal mediante CEEMDAN. Los datos se segmentaron por estaciones del año y se realizaron análisis estadísticos y pruebas de estacionariedad. Los resultados muestran que los modelos de machine learning superaron a los modelos econométricos en todas las métricas. En particular, la red BiLSTM con CEEMDAN obtuvo el mejor desempeño general, alcanzando valores de R2 cercanos a 1 y errores significativamente bajos.(...)