Resumen

Hacer que cada componente de un sistema eléctrico funcione en armonía se está volviendo más desafiante debido al creciente número de energías renovables utilizadas, cuya producción eléctrica es difícil de determinar de antemano. En España, el mercado diario de electricidad abre con una anticipación de 12 horas, donde se presentan la oferta y la demanda esperadas para las siguientes 24 horas. Al estimar la generación, fuentes de energía como la nuclear son altamente estables, mientras que las plantas de energía de pico pueden ser operadas según sea necesario. Sin embargo, las energías renovables, que eventualmente deberían reemplazar a las plantas de pico en la medida de lo posible, dependen de las condiciones meteorológicas. En este documento, proponemos utilizar diferentes técnicas y arquitecturas de aprendizaje profundo para resolver el problema de predecir la generación eólica con el fin de participar en el mercado diario, realizando predicciones con 12 y 36 horas de anticipación. Desarrollamos y comparamos varios estimadores basados en redes neuronales

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Energías renovables; Sistema eléctrico; Técnicas de aprendizaje profundo; Predicción de generación eólica; Redes neuronales; Análisis de sensibilidad
• Keywords:Renewable energies; Electrical system; Deep-learning techniques; Wind generation prediction; Neural networks; Sensitivity analysis