Resumen

Debido a la degradación del medio ambiente y al agotamiento de las energías convencionales, en muchos países se ha prestado mucha atención a la energía eólica. La naturaleza intermitente de la energía eólica ha tenido un gran impacto en la seguridad de la red eléctrica. La previsión precisa de la velocidad del viento desempeña un papel vital en la estabilidad del sistema eléctrico. Este artículo presenta una comparación de tres redes neuronales wavelet para la previsión a corto plazo de la velocidad del viento. Los dos primeros modelos combinados son dos tipos de combinaciones básicas de transformada wavelet y red neuronal, a saber, red neuronal wavelet compacta (CWNN) y red neuronal wavelet suelta (LWNN) en este estudio, y el tercer modelo es un nuevo método híbrido basado en los modelos CWNN y LWNN. La eficacia de los modelos combinados se ha evaluado utilizando la velocidad real del viento de dos estaciones de prueba del norte de China. Los resultados muestran que los resultados de previsión de los modelos CWNN y LWNN son inestables y se ven afectados por las estaciones de prueba seleccionadas; el tercer modelo es mucho más preciso que los otros modelos de previsión a pesar del inconveniente de su menor eficiencia computacional.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:red neuronal, cwnn, modelos lwnn, estaciones de prueba, tercer modelo, velocidad del viento, velocidad real del viento, menor eficiencia computacional, nuevo método híbrido, otros modelos de previsión
• Keywords:neural network, cwnn, lwnn models, test stations, third model, wind speed, actual wind speed, lower computational efficiency, new hybrid method, other forecasting models