Resumen

Una red neuronal artificial fue utilizada para la predicción de datos de la velocidad de viento a largo plazo (24 y 48 horas en adelanto) en la Ciudad de La Serena (Chile). Para obtener una efectiva correlación y predición, se implementó una optimización de enjambre de particulas para actualizar los pesos de la red. Se emplearon 43800 datos de velocidad de viento (años 2003-2007), y los valores pasados de velocidad del viento, humedad relativa y temperatura del aire fueron utilizados como parámetros de entrada, considerando que estos parámetros meteorológicos se encuentran fácilmente disponibles en todo el mundo. Se estudiaron varias arquitecturas de redes neuronales y la arquitectura optima se determine añadiendo neuronas de forma sistemática y evaluando la raíz del error cuadrático medio (RMSE) durante el proceso de aprendizaje. Los resultados muestran que las variables meteorológicas utilizadas como parámetros de entrada, tienen un efecto positivo sobre el correcto entrenamiento y capacidades predictivas de la red, y que la red neural híbrida puede pronosticar la velocidad del viento horaria con una precisión aceptable, como un RMSE=0.81 [m·s⁻¹], MSE=0.65 [m·s⁻¹] ² y R² =0.97 para la predicción de la velocidad del viento de 24 horas en adelanto, y un RMSE=0.78, MSE=0.634 [m·s⁻¹] ² and R² =0.97 para la predicción de la velocidad del viento de 48 horas en adelanto.

1. INTRODUCCIÓN

La energía derivada del viento ha desempeñado un papel fundamental en la historia de la humanidad y vuelve a recibir una atención considerable por su carácter gratuito y no contaminante. Con el desarrollo de las tecnologías de energía eólica y la disminución del coste de producción de la misma, la energía eólica se ha desarrollado rápidamente en todo el mundo en los últimos años (Akdağ y Guler, 2011). Como fuente de energía limpia, el viento se considera una alternativa a los combustibles fósiles, que en realidad aceleran el calentamiento global. La primera investigación científica para utilizar el viento para generar electricidad, fue iniciada por los daneses en la década de 1960. La crisis energética de 1973 obligó a muchos gobiernos a darse cuenta del valor del viento como fuente de energía renovable e independiente (Hanağasioğlu, 1999). La generación de electricidad a partir de la energía eólica ha sido bien reconocida como respetuosa con el medio ambiente, socialmente beneficiosa y económicamente competitiva para muchas aplicaciones (Monfared et al., 2009).

• Materias:Meteorología Climatología Ciencias de la tierra
• Subjects:Meteorology Climatology Earth sciences
• Palabras claves:Velocidad del viento, Predicción de series de tiempo, Redes neuronales artificiales, Optimización de enjambre de partículas
• Keywords:Wind speed, Time series forecasting, Artificial neural network, Particle swarm optimization, Meteorological data