Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/6159
Título : Predicción del nivel de agua del embalse, basado en redes neuronales, para la mejora de la planificación de producción de energía en la Central Hidroeléctrica Agoyán.
Autor : Asqui Santillán, Gabriel Esteban
Director(es): Hernández Ambato, Jorge
Tribunal (Tesis): Arellano Aucancela, Alberto
Mejía Peñafiel, Fernando
Palabras claves : TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA;CONTROL AUTOMÁTICO;SERIES TEMPORALES;REDES NEURONALES ARTIFICIALES (RNA);PREDICTOR;CENTRAL HIDROELÉCTRICA;PYTHON (SOFTWARE);NEUROLAB (SOFTWARE)
Fecha de publicación : mar-2017
Editorial : Escuela Superior Politécnica de Chimborazo
Citación : Asqui Santillán, Gabriel Esteban. (2017). Predicción del nivel de agua del embalse, basado en redes neuronales, para la mejora de la planificación de producción de energía en la Central Hidroeléctrica Agoyán. Escuela Superior Politécnica de Chimborazo. Riobamba.
Identificador : UDCTIPEC;20T00813
Abstract : The objective of this research was to predict the future water flow of the Pastaza River in order to determine the reservoir level of the dam, for the purpose of planning the production of electrical energy at the Agoyán hydroelectric power plant. Historical data of the water flow, its level and active power was used ranging from the year 2005 until 2016. The records were uploaded to the database manager PostgreSQL . A nonprobabilistic sample was chosen to which a data filter was applied, a division by climactic seasons and a logarithmic transformation. A software platform was created using the Python language, which allowed for the training of artificial neural networks based on the NeuroLab library and the Broyden-Fletcher-Goldfarb-Shanno (BFGS) algorithm for flow prediction and dam modeling, as well as the tools for the testing of effectiveness of the models. The system was tested for twenty-two (22) days obtaining a RMSE average of 9.96 cubic meters per second, with an accuracy percentage of 45.45% for the flow predictor and a RMSE average of 0.2735 meters above the sea level with an accuracy percentage of 86.36%; in a threshold of eight (8) hours of prediction. it was concluded that the forecast threshold reached doesn’t yet affect the production indices, for which the implementation of weather stations at the basins of the Chambo and Patate rivers is recommend.
Resumen : El objetivo de la investigación fue predecir el caudal futuro del rio Pastaza, para determinar el nivel de embalse de la presa, a fin de planificar la producción de energía eléctrica en la central hidroeléctrica Agoyán. Se utilizó los datos históricos de caudal, nivel y potencia activa; comprendidos desde el año 2005 hasta 2016. Se subió los datos al gestor de base de datos PostgreSQL © . Se escogió una muestra no probabilista a la que se aplicó un filtrado de datos, una división por temporadas climáticas y una transformación logarítmica. Se creó una plataforma de software con el lenguaje Python © , que permitió el entrenamiento de redes neuronales artificiales basados en la librería NeuroLab y el algoritmo Broyden–Fletcher–Goldfarb–Shanno (BFGS). Se implementó dentro de la plataforma los algoritmos de predicción de caudal y modelado de la presa, así como las herramientas para la comprobación de efectividad de los modelos. Se sometió a prueba el sistema durante veinte y dos (22) días obteniéndose un RMSE promedio de 9.96 metros cúbicos por segundo, con un porcentaje de aciertos de 45.45%, para el predictor de caudal y un RMSE promedio de 0.2735 metros sobre el nivel del mar con un porcentaje de aciertos de 86.36%; en un umbral de ocho (8) horas de predicción. Se concluyó que el umbral de predicción alcanzado no afecta aún los índices de producción, por lo que se recomienda la implementación de estaciones meteorológicas en las cuencas de los ríos Chambo y Patate.
URI : http://dspace.espoch.edu.ec/handle/123456789/6159
Aparece en las colecciones: Maestrias Espoch

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
20T00813.pdf3,97 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.