Resumen

La predicción de potencia es importante no solo para el funcionamiento suave y económico de una planta de energía de ciclo combinado (CCPP), sino también para evitar problemas técnicos como cortes de energía. En este trabajo, proponemos utilizar algoritmos de aprendizaje automático para predecir la potencia eléctrica generada por una CCPP basándonos en horas. Para esto, la potencia generada se considera una función de cuatro parámetros fundamentales que son la humedad relativa, la presión atmosférica, la temperatura ambiente y el vacío de escape. Las mediciones de estos parámetros y la potencia generada se utilizan para entrenar y probar los modelos de aprendizaje automático. El conjunto de datos para la investigación propuesta se recopila durante un período de seis años y se obtiene de un repositorio de aprendizaje automático estándar y de acceso público. Los algoritmos de aprendizaje automático utilizados son el de los k-vecinos más cercanos (KNN), el árbol de regresión potenciado por gradiente (GBRT), la regresión line

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Predicción de potencia; Algoritmos de aprendizaje automático; Planta de energía de ciclo combinado; Humedad relativa; Presión atmosférica; Temperatura ambiente
• Keywords:Power prediction; Machine learning algorithms; Combined cycle power plant; Relative humidity; Atmospheric pressure; Ambient temperature