Nuevos modelos de predicción eólica basados en series temporales
- Autores: Marta Poncela Blanco
- Directores de la Tesis: José Ramón Perán González (codir. tes.), Pilar Poncela Blanco (codir. tes.)
- Lectura: En la Universidad de Valladolid ( España ) en 2012
- Idioma: español
- Tribunal Calificador de la Tesis: César de Prada Moraga (presid.), Luis Javier de Miguel González (secret.), Antonio Muñoz San Roque (voc.), Eva Senra Díaz (voc.), Antonio García Ferrer (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: UVADOC
- Resumen
El desarrollo de la energía eólica en los últimos años ha sido exponencial, tanto en lo que se refiere en potencia instalada, como en desarrollo tecnológico. Para que esta tendencia no se vea frenada es necesario dotar a estos sistemas de herramientas que permitan su integración óptima en la red eléctrica sin poner en peligro su estabilidad ni garantía de suministro. Un instrumento fundamental hoy en día es la predicción de la potencia generada con suficiente antelación, de manera que pueda dimensionarse y coordinar adecuadamente el funcionamiento de los generadores convencionales. Por otro lado, las herramientas de predicción son necesarias para limitar el uso de reserva rodante y con ello contribuir aún más a los beneficios medioambientales de este tipo de energía. Desde el punto de vista del gestor del parque eólico, la predicción de la producción es necesario para, entre otras cosas, acudir al mercado eléctrico.
El trabajo desarrollado en esta tesis se centra en la mejora de los modelos estadísticos presentes en herramientas de predicción eólica actualmente existentes. Para ello, se partirá de un caso particular como es Sipreólico. Las principales aportaciones de este trabajo son, en primer lugar, partiendo de los modelos basados en el filtro de Kalman hasta ahora desarrollados, la estimación de las matrices del sistema por máxima verosimilitud en vez de imponerlas de manera ad hoc. De esta manera se incorporan, en cierto modo, las características del parque eólico a la predicción y se adapta la herramienta de predicción a cada parque.
En segundo lugar, se estudia la aplicación de técnicas multivariantes que permitan captar, a través de las correlaciones entre parámetros, relaciones no recogidas explícitamente en los modelos.
Como el problema objeto de estudio es no lineal y variante con el tiempo, es usual en predicción eólica recurrir a un conjunto de modelos operando en paralelo, ya que cada uno de ellos funcionará adecuadamente en determinados instantes de tiempo, dado que cada modelo capta mejor unas dinámicas que otras. Por ello se plantean, de manera novedosa, distintas alternativas multivariantes de reducción de datos como Estrategia de combinación de predicciones para la obtención de la predicción final, así como métodos basados en cadenas de Markov.
Los resultados obtenidos en la aplicación práctica de las estrategias planteadas a lo largo de esta tesis se muestran para el parque eólico de Sotavento.
Por último, todo el trabajo se ha enmarcado en el desarrollo de una herramienta de predicción operando en tiempo real y con la intervención mínima del experto.
