Biblioteca122.739 documentos en línea

Artículos

Development of Wind Power Prediction Models for Pawan Danavi Wind Farm in Sri LankaDesarrollo de modelos de predicción de energía eólica para el parque eólico de Pawan Danavi en Sri Lanka

Resumen

Este trabajo presenta el desarrollo de modelos de prediccin de energa elica para un parque elico en Sri Lanka utilizando una red neuronal artificial (RNA), regresin lineal mltiple (MLR), y tcnicas de regresin de potencia (PR). Los datos de generacin de energa durante cinco aos desde 2015 se utilizaron como variable dependiente en el modelado, mientras que los valores correspondientes de velocidad del viento y temperatura ambiente se utilizaron como variables independientes. Se analiz la variacin de estas tres variables a lo largo del tiempo para identificar patrones mensuales, estacionales y anuales. Los patrones mensuales son coherentes con los vientos monznicos estacionales que muestran poca variacin anual, en ausencia de cambios meteorolgicos extremos durante el periodo de 20152020. Tambin se examin la correlacin dentro de cada par de variables aplicando tcnicas estadsticas, que se presentan en trminos de coeficientes de correlacin de Pearsons y Spearmans. Tambin se cuantific el impacto del aumento (o disminucin) unitario de la velocidad del viento y la temperatura ambiente en torno a sus valores medios sobre la potencia de salida. Por ltimo, se evalu la precisin de cada modelo mediante el coeficiente de correlacin, el error cuadrtico medio (RMSE), el sesgo y el nmero de Nash. Todos los modelos demostraron una precisin aceptable, con un coeficiente de correlacin y un nmero de Nash cercanos a 1, un RMSE muy bajo y un sesgo cercano a 0. Aunque el modelo basado en RNA es el ms preciso debido a las caractersticas avanzadas del aprendizaje automtico, no expresa la potencia de salida generada en trminos de las variables independientes. Por el contrario, los modelos estadsticos basados en regresin de MLR y PR son ventajosos, ya que permiten modelizar la potencia generada por los dems parques elicos de la misma regin, influidos por condiciones climticas similares.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento