Energías renovables
Transición energética
Feasibility Analysis of Promoting Wind and Solar Energy in Texas Farms
Análisis de viabilidad del fomento de la energía eólica y solar en las granjas de Texas
Debido a la tendencia mundial de rápido crecimiento del consumo energético, las fuentes de energía renovable se han convertido en una potencial solución para la generación de energía. Este artículo tiene como objetivo hacer un análisis de viabilidad del uso de la energía solar y eólica para generar energía y utilizarla en las actividades operativas de procesos agrícolas por medio de un análisis geoespacial y numérico de profundidad para estudiar patrones en la estimación del potencial energético de los 254 condados en Texas. Los resultados muestran que las granjas de varias regiones de Texas tienen un potencial significativo para utilizar la energía eólica y solar en sus explotaciones agrícolas y para suministrar electricidad a la población cercana.
Este artículo fue realizado por Mariee Cruz Mendoza, Erick Martinez-Gomez, Hua Li (Texas A&M University-Kingsville, Kingsville, USA) para Sustainability (Vol. 14, núm. 4, p. 2222, 2022), una revista especializada en sostenibilidad ambiental, cultural, económica y social de los seres humanos. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
Short-Term Photovoltaic Power Plant Output Forecasting Using Sky Images and Deep Learning
Predicción a corto plazo de la producción de centrales fotovoltaicas mediante imágenes del cielo y aprendizaje profundo
Este artículo explora un método de predicción de la producción a corto plazo que consiste en tomar fotografías del cielo sobre una central fotovoltaica para identificar los patrones que ayuden a predecir la generación de este tipo de energía. Se desarrolló y probó un modelo híbrido que integra tanto una Red Neuronal Convolucional (CNN) como una Memoria Larga a Corto Plazo (LSTM) para la predicción de la producción a corto plazo. Se encontró una correlación del 74% entre las predicciones de modelos y los valores reales de producción futura demostrando así la eficiencia del modelo. Los autores destacan el potencial del aprendizaje profundo para mejorar las prácticas relacionadas con las energías renovables.
Este artículo fue realizado por Alen Jakoplić, Dubravko Franković (University of Rijeka, Rijeka, Croatia), Juraj Havelka (University of Zagreb, Zagreb, Croatia), Hrvoje Bulat (Croatian Transmission System Operator Ltd., Zagreb, Croatia) para Energies (Vol. 16, núm 14, p. 5428, 2023), una revista que divulga investigaciones científicas relacionadas con el desarrollo tecnológico y la ingeniería. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
- Video:Webinar
- Fuente:Naturgy
