Deep learning en la predicción de generación de un parque eólico

• Jesús Miguel Torres ^[1] ; Rosa María Aguilar ^[1] ; Juan Albino Méndez Pérez ^[1] ; K. Victoria Zúñiga-Meneses
  1. [1] Universidad de La Laguna

     Universidad de La Laguna

     San Cristóbal de La Laguna, España

     
• Localización: Actas de las XXXVII Jornadas de Automática: Madrid. 7, 8 y 9 de septiembre de 2016, 2016, ISBN 978-84-9749-808-1, págs. 869-875
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • Uno de los grandes retos tecnológicos actuales es la incorporación de las energías renovables al sistema eléctrico. El objetivo es conseguir que la generación eléctrica sea sostenible y respetuosa con el medioambiente, así como abordable económicamente. Sin embargo para que esta incorporación tenga éxito es necesario disponer de herramientas de predicción que permitan conocer con suficiente antelación la cantidad de energía de origen renovable que estaría disponible para ser inyectada enla red; permitiendo ajustar adecuadamente el resto de fuentes de generación con el objeto de suplir la demanda, incluidas las basadas en combustibles fósiles. Esto permitiría limitar el impacto ambiental y la dependencia con respecto este tipo de carburantes en un previsible escenario de escasez. En este trabajo se quiere avanzar en la creación de dichos modelos de predicción de la generación de los parques eólicos utilizando aprendizaje profundo o deep learning. En este artículo se presenta un modelo de predicción basado en una red neuronal profunda multicapa que, a partir de la predicción de las condiciones atmosféricas, es capaz de estimar 24 horas antes la generación producida por un parque eólico situado en la isla de Tenerife.