Almeida, Everton de.
Pronóstico de energía eólica en Uruguay para horizontes temporales de corto plazo en base a modelo numérico de mesoescala y redes neuronales artificiales - Quito: OLADE, 2020. - pp. 32-43 ilustraciones., tablas.
Uruguay tiene el 34.43% de la matriz energética de origen eólico. Dada la característica fluctuante del viento es necesario incorporar modelos de pronóstico de energía eólica, de modo de suministrar información para realizarse el despacho óptimo de energía en el sistema eléctrico. Este trabajo presenta los resultados de ocho modelos de pronóstico desarrollados, siendo cuatro en base a un híbrido de modelo numérico de mesoescala y regresión lineal (WRF-RL) y cuatro en base a modelo numérico de mesoescala y redes neuronales artificiales (WRF-RNA). Los resultados fueron evaluados para un total de 31 parques eólicos ubicados en Uruguay, y el modelo que mostró el mejor desempeño fue un modelo híbrido del tipo WRF-RNA. En un análisis del ciclo diario, considerando un pronóstico con la suma de potencia de todos los parques eólicos, los resultados muestran que los menores valores de sesgo (bias) fueron de los modelos en base a WRF-RNA, así como menores valores de error medio absoluto (entre 10% y 6.5%), comparado con el modelo WRF-RL (entre 14 % y 9 %).
2631 2522 (Digital)
Recursos Energéticos Renovables
Inteligencia Artificial
Modelos de Pronóstico
Despacho Económico
Sistemas de Energía Eléctrica
Uruguay
050 / E5695/2020-1
Pronóstico de energía eólica en Uruguay para horizontes temporales de corto plazo en base a modelo numérico de mesoescala y redes neuronales artificiales - Quito: OLADE, 2020. - pp. 32-43 ilustraciones., tablas.
Uruguay tiene el 34.43% de la matriz energética de origen eólico. Dada la característica fluctuante del viento es necesario incorporar modelos de pronóstico de energía eólica, de modo de suministrar información para realizarse el despacho óptimo de energía en el sistema eléctrico. Este trabajo presenta los resultados de ocho modelos de pronóstico desarrollados, siendo cuatro en base a un híbrido de modelo numérico de mesoescala y regresión lineal (WRF-RL) y cuatro en base a modelo numérico de mesoescala y redes neuronales artificiales (WRF-RNA). Los resultados fueron evaluados para un total de 31 parques eólicos ubicados en Uruguay, y el modelo que mostró el mejor desempeño fue un modelo híbrido del tipo WRF-RNA. En un análisis del ciclo diario, considerando un pronóstico con la suma de potencia de todos los parques eólicos, los resultados muestran que los menores valores de sesgo (bias) fueron de los modelos en base a WRF-RNA, así como menores valores de error medio absoluto (entre 10% y 6.5%), comparado con el modelo WRF-RL (entre 14 % y 9 %).
2631 2522 (Digital)
Recursos Energéticos Renovables
Inteligencia Artificial
Modelos de Pronóstico
Despacho Económico
Sistemas de Energía Eléctrica
Uruguay
050 / E5695/2020-1
