Please use this identifier to cite or link to this item: http://dspace.espoch.edu.ec/handle/123456789/8308
Title: Predicción de la velocidad del viento mediante redes neuronales, para la Estación Meteorológica Chimborazo.
Authors: Bolaños Logroño, Paulina Fernanda
metadata.dc.contributor.advisor: Gavilánez Carrión, Xavier
metadata.dc.contributor.miembrotribunal: Mejía Peñafiel, Fernando
Muñoz Cargua, Rigoberto
Keywords: TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA;CONTROL AUTOMÁTICO;APRENDIZAJE AUTOMÁTICO;ENERGÌA EÓLICA;MATLAB (SOFTWARE);METEOROLOGÍA;REDES NEURONALES;VELOCIDAD DE VIENTO
Issue Date: Mar-2018
Publisher: Escuela Superior Politécnica de Chimborazo
Citation: Bolaños Logroño, Paulina Fernanda. (2018). Predicción de la velocidad del viento mediante redes neuronales, para la Estación Meteorológica Chimborazo. Escuela Superior Politécnica de Chimborazo. Riobamba.
Series/Report no.: UDCTIPEC;20T00993
Abstract: The need to increase the contribution of non-conventional renewable energies, within the productive matrix in Ecuador, is increasing. This context has prompted several public and private institutions to undertake wind power projects, among which the Chimborazo Polytechnic School has undertaken the wind power generation project, installing meteorological stations in different areas of the province of Chimborazo, with the aim to analyze the viability of wind power generation. However, the boom in renewable energy sources in recent years has forced a new forecasting problem, namely, to know in sufficient time the energy that could be generated by future wind farms. In this context, the need arises to have tools that are capable of predicting the random behavior of wind speed, with a certain degree of reliability, in order to predict how much energy can be delivered to the system at a given time. The applied study responds to an exploratory research, with descriptive and explanatory elements, which includes the grouping of historical data, wind speed behavior analysis, through automatic learning techniques such as nonlinear, non-linear, self-managing artificial neural networks, applied to a set of data measured hourly, for 12 consecutive months, of the Chimborazo meteorological station, property of ESPOCH. The results obtained showed that the use of RNA in the prediction process is very efficient with an automatic learning level of 8% and a performance level measured through the mean square error of 0.016 with a prediction horizon of seventy two hours, which will allow to predict with a high degree of reliability, the amount of wind energy to be.
Description: El presente trabajo tiene como finalidad diseñar e implementar una red neuronal, que prediga la velocidad del viento en la estación meteorológica Chimborazo, perteneciente al Centro de Investigación de Energías Alternativas y Ambiente de la ESPOCH, ubicado en la ciudad de Riobamba. El estudio realizado responde a una investigación exploratoria, con elementos descriptivos y explicativos, que incluyen el agrupamiento de datos históricos y análisis del comportamiento de la velocidad del viento, a través de técnicas de aprendizaje automático como las REDES NEURONALES ARTIFICIALES no lineales autoregresivas aplicadas a un conjunto de datos medidos cada hora, durante 12 meses seguidos. La información fue procesada con el software matemático MATLAB, mientras que la hipótesis fue comprobada a través de métodos estadísticos como la prueba de normalidad y comparación de medias utilizando el software estadístico SPSS. Los resultados obtenidos demostraron que el uso de RNA en el proceso de predicción es muy efectivo alcanzando un nivel de aprendizaje automático del 8%, y un nivel de desempeño medido a través del error cuadrático medio de 0.016, con un horizonte de predicción de 72 horas. Los datos fueron obtenidos sin conocer previamente las salidas deseadas o targets, con una exactitud del 98.4%, aspecto que permitió estimar con alto grado de confiabilidad la cantidad de energía eólica a entregar. Se pudo concluir que la variable meteorológica más influyente en nuestro modelo es la dirección del viento, ya que sobresale en la explicación del comportamiento de la velocidad de viento. En futuros trabajos de predicción se recomienda, no excluir el escalamiento o normalización de datos, este proceso ayuda en el aprendizaje de la red neuronal, y evita confusiones en la interpretación o aprendizaje de patrones.
URI: http://dspace.espoch.edu.ec/handle/123456789/8308
Appears in Collections:Maestrias: Modalidad Proyectos de Investigación y Desarrollo

Files in This Item:
File Description SizeFormat 
20T00993.pdf3,33 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.