Revista Polo del Conocimiento


Polo del Conocimiento

Redes neuronales en la predicción de la velocidad del viento

Paulina Fernanda Bolaños-Logroño, Jorge Luís Yaulema-Castañeda, Oscar Danilo Gavilánez-Álvarez, Bolívar Leonardo Ayavaca-Vallejo

Resumen


La necesidad de aumentar la contribución de las energías renovables no convencionales, dentro de la matriz productiva en Ecuador, está aumentando. Este contexto ha llevado a varias instituciones públicas y privadas a emprender proyectos de energía eólica, entre los cuales la Escuela Politécnica de Chimborazo ha emprendido el proyecto de generación de energía eólica, instalando estaciones meteorológicas en diferentes áreas de la provincia de Chimborazo, con el objetivo de analizar la viabilidad del viento. Generación de energía. Sin embargo, el auge de las fuentes de energía renovable en los últimos años ha obligado a un nuevo problema de pronóstico, a saber, saber con tiempo suficiente la energía que podrían generar los futuros parques eólicos. En este contexto, surge la necesidad de contar con herramientas que sean capaces de predecir el comportamiento aleatorio de la velocidad del viento, con un cierto grado de confiabilidad, con el fin de predecir cuánta energía puede entregarse al sistema en un momento dado. El estudio aplicado responde a una investigación exploratoria, con elementos descriptivos y explicativos, que incluye la agrupación de datos históricos, el análisis del comportamiento de la velocidad del viento, a través de técnicas de aprendizaje automático como redes neuronales artificiales no lineales, no lineales y autogestionadas, aplicadas a un conjunto de datos medidos por hora, durante 12 meses consecutivos, de la estación meteorológica de Chimborazo, propiedad de ESPOCH. Los resultados obtenidos mostraron que el uso de ARN en el proceso de predicción es muy eficiente con un nivel de aprendizaje automático del 8% y un nivel de rendimiento medido a través del error cuadrado medio de 0.016 con un horizonte de predicción de setenta y dos horas, lo que permitirá predecir con un alto grado de fiabilidad, la cantidad de energía eólica que se debe tener.


Palabras clave


Aprendizaje; automático; viento; error; Matlab; meteorología; potencial; redes neuronales; velocidad; viento.

Referencias


G. Boyle, J. Bushnell y K. Gillimgham, Electricidad Verde, Madrid: Marcial Pons, 2010.

M. Ouanani, Predicción de la energía eólica utilizando técnicas de aprendizaje automático, Madrid, 2015.

N. Vaughn , Wind Energy: Renewable Energy and the Environment, Second Edition, NW: CRC Press, 2013.

M. G. Cortina Januchs, Aplicación de técnicas de inteligencia artificial a la predicción de contaminanrtes atmosféricos, Madrid, 2012.

G. Pajares y J. De la Cruz, Aprendizaje automático, Bógota: Ra - ma, 2011.

P. López Álvarez, R.Velo Sabín y F. Maseda Eimil, «http://www.aeipro.com,» Septiembre 2007. [En línea]. Available: http://www.aeipro.com/files/congresos/2007lugo/ciip07_1083_1092.501.pdf.

J. Bruner, El proceso mental en el aprendizaje, Madrid: Narcea, S. A, 2001.

Antonio Moreno y otros, Aprendizaje automático, Barcelona: Edicions UPC, 1994, p. 22.

E. Plaza, «Tendencias en Inteligencia Artificial: hacia la cuarta decada,» de Nuevas tendencias en Inteligencia Arti, Universidad de Deusto, 1992, p. 379.

B. Malvé, «Foro climático Nacional Napo – Tena situación meteorológica,» Quito, 2014.

Unidad de ciencias de la atmósfera, «Departamento de Ciencias de la Atmósfera,» 2014. [En línea]. Available: www. meteo.fisica.edu.uy/Materias/climatologia/.../Instrumentos%20Meteorologicos.pdf.

O. Barajas, «Arman robot inspector de líneas eléctricas,» Electrónicos online, 2010.

AIN, REE, «Proyecto Pelícano,» hisparob, 2004.

L. M. Checa, Lineas de Transporte de Energía, 2006.

Coppeliarobotics, «V-REP Create, compose, simulate, any robot,» 29 Agosto 2016. [En línea]. Available: www.coppeliarobotics.com.

D. Elizondo, «Overview of Robotic Applications for Energized Transmission Line Work –Technologies, Field Projects and Future Developments,» 1st International Conference on Applied Robotics for the Power, 2010.

R. S. Gonçalves, «Review and latest trends in mobile robots used on power transmission lines. International Journal of Advanced Robotic Systems,» pp. 10(12), 408., 2013.

N. Pouliot, «LineScout Technology Opens the Way to Robotic Inspection and Maintenance of High-Voltage Power Lines,» IEEE, 2015.

R. Aracil, «ROBTET: A new teleoperated system for live-line,» Proceedings of the 7th International Conference on Transmission and Distribution Construction and Live Line Maintenance, pp. 205-211, 1995.

W. Wei, «The Mechanism of a Snake-Like Robot’s Clamping Obstacle Navigation on High Voltage Transmission Lines,» International Journal of Advanced Robotic Systems, 2013.

CONELEC, «Informe estadístico sector eléctrico ecuatoriano,» 2010.

M. I. Armendáriz, «Riesgos en el mantenimiento de instalaciones de alta tensión en tensión y la aplicación del RD 614/2001,» 2015.

P. Debenest, «Expliner – Robot for Inspection of Transmission Lines,» IEEE International Conference on, 2008.


Texto completo: PDF HTML XML

DOI: 10.23857/pc.v5i5.1398

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/

 

 

            



Top