Métodos de predicción de la generación agragada de energía eólica

• Autores: Miguel García Lobo
• Directores de la Tesis: Ismael Sánchez Rodríguez-Morcillo (dir. tes.)
• Lectura: En la Universidad Carlos III de Madrid ( España ) en 2010
• Idioma: español
• Tribunal Calificador de la Tesis: Julio Usaola García (presid.), Andrés M. Alonso Fernández (secret.), Antonio Muñoz San Roque (voc.), Alexandre Araujo Da Costa (voc.), María Jesús Sánchez Naranjo (voc.)
• Materias:
  • Matemáticas
    • Estadística
      • Técnicas de predicción estadística
  • Ciencias tecnológicas
    • Ingeniería y tecnología eléctricas
• Enlaces
  • Tesis en acceso abierto en: e-Archivo
• Resumen

  • El fomento y desarrollo de las energías renovables, y como consecuencia la alta penetración eólica en los sistemas eléctricos, ha hecho necesario el uso de herramientas de predicción, para conocer con antelación suficiente la cantidad de energía de origen eólico que será inyectada en la red y poder coordinar el resto de fuentes de generación. En ocasiones existe un especial interés en la predicción de generación agregada de varios parques en una región, ya sea por parte del operador del sistema eléctrico, o por los agentes que gestionan la energía que generan varios parques. Por otro lado, suele haber un suavizado espacial que reduce el error de las predicciones agregadas frente al error de predicción de los parques individuales. Estos motivos hacen de la predicción agregada un modo muy atractivo de predicción eólica. En esta tesis se propone un método de predicción de la generación agregada de energía eólica en una región, mediante la búsqueda de similitudes entre el vector de viento previsto en algunas coordenadas de la región y otros vectores históricos de predicción de viento. El modelo propuesto se basa en modelos locales de suavizado de Media Ponderada y de Regresión Local Ponderada. Estos modelos ajustan de forma no paramétrica un modelo de predicción para cada punto de entrada al problema, que en nuestro caso será un vector de viento previsto. Para hacer el suavizado de los datos, se proponen y comparan distintos procedimientos para tener en cuenta la medida de distancias entre vectores, el método de selección de datos cercanos, y las funciones de ponderación por distancia y antigüedad de los datos seleccionados. Mediante un procedimiento de estimación adaptativa de parámetros, se conseguirá que el modelo de predicción se adecue a la evolución temporal de la compleja relación no lineal existente entre el viento previsto en la región y la potencia eólica total generada. Las predicciones de potencia obtenidas con los modelos de Media Ponderada y Regresión Local Ponderada, se combinan para aprovechar las ventajas que ofrecen ambas aproximaciones en función de la complejidad del problema de predicción en cada momento. El modelo propuesto se validará comparando sus predicciones con la agregación de predicciones que se obtienen con Sipreólico, una herramienta que calcula predicciones para cada uno de los parques en la región y después las suma. Por último, para dar mayor valor a las predicciones agregadas, se propone un modelo de predicción probabilista condicionada a los vectores de viento previsto mediante estimación de densidades con Kernel, para el cual se utilizan las medidas de distancia y funciones de ponderación propuestas para el modelo de predicción de potencia.