Resumen

Los aerogeneradores desempeñan un papel importante en el suministro de energía eléctrica para una demanda cada vez mayor. Debido al cambio climático provocado por las emisiones antropogénicas de gases de efecto invernadero, la exploración y el uso de fuentes de energía sostenibles es esencial, y la energía eólica ocupa una parte importante. Los datos de los aerogeneradores existentes son necesarios para reducir la incertidumbre de las predicciones de los modelos sobre el rendimiento energético futuro de los parques eólicos previstos. Debido a las rutinas de mantenimiento y a cuestiones técnicas, las lagunas de datos de los parques eólicos de referencia son inevitables. Aquí presentamos estudios de casos reales utilizando redes de perceptrón multicapa y redes de funciones de base radial para reproducir la producción de energía eléctrica de aerogeneradores en 3 ubicaciones diferentes de Alemania que abarcan una gama de paisajes con distinta complejidad topográfica. Los resultados muestran que los valores de salida de energía de las turbinas pudieron modelarse con correlaciones elevadas que oscilaron entre 0,90 y 0,99. En terrenos complejos, las redes RBF superaron a las redes MLP. Además, en la mayoría de los casos, las redes RBF captaron mejor los valores extremos poco frecuentes. Utilizando variables meteorológicas del viento y datos de funcionamiento registrados por los aerogeneradores, además de los valores diarios de producción de energía, el error pudo reducirse aún más, hasta más del 20%.

• Materias:Biodiésel Dinámica de fluidos Energía limpia Combustible líquido Sistema híbrido
• Subjects:Biodiesel Fluid dynamics Clean energy Liquid fuel Hybrid system
• Palabras claves:aerogeneradores, redes rbf, valores diarios de producción de energía, redes de función de base radial, producción de energía eléctrica, valores de producción de energía, rendimientos futuros de energía, redes perceptrón multicapa, parques eólicos planificados, valores extremos raros
• Keywords:wind turbines, rbf networks, daily energy output values, radial basis function networks, electrical energy outputs, energy output values, future energy yields, multilayer perceptron networks, planned wind farms, rare extreme values