Pronóstico de energía eólica para horizontes temporales de corto plazo en base a modelo numérico de mesoescala y redes neuronales artificiales

  • Everton de Almeida Lucas Universidad de la República (UDELAR). Uruguay.
  • Alejandro Gutiérrez Arce Universidad de la República (UDELAR). Uruguay.
  • Sandro Camargo Universidad Federal de Pampa (UNIPAMPA). Brasil.

Resumen

En Uruguay se 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%), compararado con el modelo WRF-RL (entre 14 % y 9 %).


Palabras clave:


Energías Renovables, Inteligencia Artificial, Modelos de Pronóstico, Despacho Económico, Integración en el Sistema Eléctrico


 


 

Biografía del autor

Everton de Almeida Lucas, Universidad de la República (UDELAR). Uruguay.

Magíster en Ingeniería de la Energía por la Universidad de la República (UdelaR), Uruguay. Docente en la Universidad Tecnológica del Uruguay (UTEC), en la carrera de Ingeniería en Energías Renovables. Trabaja en temas relacionados a pronósticos operativos de energía eólica y herramientas de inteligencia artificial aplicadas al sector eléctrico. Temas de interés: pronósticos operativos aplicados al sistema eléctrico, inteligencia artificial, modelos numéricos de circulación atmosférica.

Alejandro Gutiérrez Arce, Universidad de la República (UDELAR). Uruguay.

Ingeniero Industrial Mecánico, Doctor en Mecánica de los Fluidos Aplicada por la Universidad de la República (UdelaR), Uruguay. Profesor Agregado en régimen de dedicación total de la Facultad de Ingeniería (UdelaR). Temas de interés incluyen: energía eólica; pronóstico energético en base a modelos de mesoescala con aplicación a modelos de ráfagas y otras variables vinculadas con el mantenimiento de aerogeneradores; diseño de máquinas en interacción con fluidos. Experiencia en el desarrollo de pequeños aerogeneradores. En el marco de la crisis del Covid-19 ha participado en el desarrollo de respiradores artificiales.

Sandro Camargo, Universidad Federal de Pampa (UNIPAMPA). Brasil.

Doctor en Ciencias de la Computación por la Universidade Federal do Rio Grande do Sul (UFRGS). Profesor de tiempo completo en la Universidad Federal de Pampa (UNIPAMPA) en la carrera de Ingeniería de la Computación. Profesor permanente en el Programa de Posgrado en Computación Aplicada (PPGCAP) de la EMBRAPA/UNIPAMPA. Temas de interés incluyen: Inteligencia Artificial, Aprendizaje Automático, Redes Neuronales, Bioinformática y Ganadería de Precisión.

Publicado
2020-06-12
Como citar
DE ALMEIDA LUCAS, Everton; GUTIÉRREZ ARCE, Alejandro; CAMARGO, Sandro. Pronóstico de energía eólica para horizontes temporales de corto plazo en base a modelo numérico de mesoescala y redes neuronales artificiales. ENERLAC. Revista de energía de Latinoamérica y el Caribe, [S.l.], v. 4, n. 1, p. 32-43, jun. 2020. ISSN 2631-2522. Disponible en: <http://enerlac.olade.org/index.php/ENERLAC/article/view/117>. Fecha de acceso: 21 oct. 2020