Conocer de antemano los perfiles de demanda y de potencia generada por las fuentes renovables constituye un aspecto esencial para la optimización de la operación de las redes eléctricas. En el caso particular de las microrredes dicho aspecto cobra aún más importancia ya que en general un alto porcentaje de la energía generada proviene de fuentes renovables. A esto debe sumársele el hecho de que debido a un efecto de escala los parámetros a pronosticar están sometidos a una gran variabilidad. En este artículo se propone una metodología para el diseño de sistemas de pronósticos basados en redes neuronales artificiales (RNA) y algoritmos genéticos.
Being able to predict power demand and output from renewable energy sources is an essential asset for the optimization of the performance of electric networks. In the particular case of microgrids the importance of that ability is enhanced even more so, since in general a great percentage of the energy generated comes from renewable sources. These parameters fluctuate substantially due to the scale in which they operate, so the need to predict their values acquires further significance. In this article we propose a methodology for the design of forecasting systems based on artificial neural networks (ANN)
© 2001-2024 Fundación Dialnet · Todos los derechos reservados