[spa] El gran desarrollo experimentado por las energías renovables y especialmente de la energía eólica, ha dado lugar a una alta penetración de estas energías en los sistemas eléctricos, lo que ha conducido a la necesidad de disponer de herramientas de predicción para facilitar la tarea de gestión y coordinación al operador del sistema eléctrico y a los productores de energía eléctrica. Estas herramientas permiten aprovechar mejor estas fuentes de energía y facilitan su integración en la red eléctrica.
En este trabajo de fin de grado se aborda la elaboración de un modelo de predicción de la energía eléctrica generada en parques eólicos para horizontes cercanos, basado en el uso de redes neuronales artificiales recurrentes. Para ello, se presentan los fundamentos teóricos necesarios y se realiza una etapa de preprocesamiento de las series temporales de las variables más significativas que influyen sobre la producción de la energía eólica.
Los modelos de previsión usados se basan en el uso de redes neuronales recurrentes relativamente simples que incorporan funciones no lineales en su interior, y que tienen la capacidad de operar con información de baja calidad o faltante, permitiendo incluso así obtener previsiones de cierta calidad. Los resultados obtenidos reflejan lo complejo que resulta obtener un modelo de predicción preciso para la energía eólica, y la capacidad de las redes neuronales como ajustadores no lineales universales.
En el marco del presente trabajo se ha desarrollado una herramienta computacional basada sobre MATLAB, encargada de realizar el preprocesamiento de las series temporales y la elaboración de los modelos de predicción propuestos.
[eng] The great development experienced by renewable energies and especially wind energy, has given rise to a high penetration of these energies in electrical systems, which has led to the need for prediction tools to facilitate the task of management and coordination of the electrical system operator and electric power producers. These tools allow a better use of these energy sources and facilitate their integration in the electricity grid.
In this final degree project, a prediction model of the electrical energy generated in wind farms for close horizons is elaborated, based on the use of recurrent artificial neural networks. For this, the necessary theoretical foundations are presented and a preprocessing stage of the time series of the most significant variables that influence the production of wind energy is carried out.
The forecast models used are based on the use of relatively simple recurrent neural networks that incorporate non-linear functions within them, and that have the capacity to operate with low-quality or missing information, even allowing to obtain forecasts of a certain quality. The results reflect the complexity of obtaining an accurate prediction model for wind energy, ant the capacity of neural networks to act as universal nonlinear fitters.
In the framework of this project, a computational tool based on MATLAB has been developed, in charge of preprocessing the time series and for the preparation of the forecast models proposed.