Predicción de Energía Fotovoltaica a partir de Ensembles NWP
Author
Castillo Prieto, EdurneAdvisor
Dorronsoro Ibero, José Ramón
Entity
UAM. Departamento de Tecnología Electrónica y de las ComunicacionesDate
2018-09Subjects
TelecomunicacionesNote
Máster Universitario en Ingeniería Informática
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Abstract
En el mundo actual se están estudiando nuevas formas para rentabilizar el uso de las
energías renovables de forma que puedan llegar a ser tan fiables como los combustibles fósiles. En el caso de España, donde una de las energías renovables más prolíferas es la energía solar debido a la favorable situación geográfica en la que se encuentra el país, las centrales solares han descubierto su necesidad de conocer con anticipación la producción que se va a obtener a la hora de gestionar los recursos de la central.
Sin embargo, hacer esas predicciones no es tarea fácil, ya que la energía solar
posee una alta inestabilidad generada en su mayor parte por factores externos, como
pueden ser las nubes.
Con esta motivación, este Trabajo de Fin de Máster (TFM) intenta dar una posible
solución a esta problemática usando los ensembles meteorológicos del Centro
Europeo para alcanzar una mejora en las predicciones. Para ello, además de los datos
de modelo de ensembles se ha utilizado el algoritmo Support Vector Regression
(SVR) en los modelos. In the current world, new ways are being studied to make the use of renewable
energies profitable so that they can become as reliable as fossil fuels. In the case of
Spain, where one of the most prolific renewable energies is solar energy due to the
favorable geographical situation in which the country is located, solar power plants
have discovered their need to know in advance the production that is going to be
obtained when managing the resources of the plant.
However, making those predictions is not an easy task, since solar energy has a
high instability generated mostly by external factors, such as clouds.
With this motivation, this Final Master's Project tries to give a possible solution
to this problem using the meteorological ensembles of the European Center to reach
an improvement in the predictions. To do this, in addition to the model data of
the ensembles, the Support Vector Regression (SVR) algorithm has been used in the
models.
Files in this item
Google Scholar:Castillo Prieto, Edurne
This item appears in the following Collection(s)
Except where otherwise noted, this item's license is described as https://creativecommons.org/licenses/by-nc-nd/4.0/
Related items
Showing items related by title, author, creator and subject.
-
Redes neuronales recurrentes para la predicción de energía eólica y fotovoltaica
Martínez Sastre, Rubén
2021-09 -
Predicción de energía eólica con métodos de ensemble
Benjumeda Rubio, José
2021-06