Ingeniero Civil Elctricista / La necesidad de incrementar el aporte de las Energías Renovables No Convencionales (ERNC) dentro del diseño de la matriz energética nacional es cada vez mayor. Este hecho se refleja, particularmente, en el notable aumento del número de centrales que utilizan el recurso eólico. Sin embargo, para su integración en los sistemas interconectados se requiere conocer de antemano el nivel de generación que se puede alcanzar. En este contexto, surge la necesidad de contar con herramientas que sean capaces de predecir el comportamiento aleatorio de la velocidad del viento con un cierto grado de confiabilidad, con el fin de prever cuanta energía podrá entregar un aerogenerador al sistema en un instante determinado.
Para tratar la problemática descrita, este trabajo presenta el diseño e implementación de un método para realizar predicción de velocidad de viento, el cual incluye agrupamiento de datos, análisis estadístico de series de tiempo y la caracterización de éstas a través de modelos paramétricos variantes en el tiempo, para un horizonte de mediano plazo. El modelo se basa en un método auto-regresivo y es desarrollado utilizando el registro histórico de velocidad de viento, durante el año 1990, en la localidad de Punta Lengua de Vaca, región de Coquimbo.
Específicamente, el diseño presentado consiste en un modelo vectorial auto-regresivo con variable externa (V-ARX, Vector Auto Regressive with eXternal input), el cual tiene la particularidad de realizar la predicción de un día completo (24 horas) en un solo paso, a diferencia de los algoritmos utilizados normalmente, que realizan predicciones a un paso considerando horizontes de tan sólo una hora; lo que necesariamente implica que si se quiere conseguir horizontes de tiempo más lejanos, las predicciones deben ser realimentadas en el modelo en un proceso iterativo. Por otra parte, la metodología empleada para elaborar el predictor, hace posible identificar componentes periódicas del viento, tanto diarias como estacionales, facilitando la diferenciación de grupos de datos que presenten comportamientos o tendencias similares, permitiendo la creación de un modelo más certero para cada uno de estos bloques. Con el fin de realizar esta agrupación, se plantea una nueva manera de distinguir patrones estacionales en este tipo de series de tiempo, basándose en la similitud de sus distribuciones de probabilidad. Para ello se propone la divergencia de Kullback-Leibler como medida de diferenciación, y el algoritmo K-means como método de agrupamiento.
Finalmente, como medio de validación del diseño propuesto, se implementan dos modelos utilizados actualmente en el ámbito de predicción: el modelo de Referencia de Nielsen y un modelo ARMA-GARCH. Al ser éstos comparados con el modelo V-ARX entregan como resultado que, dependiendo de las distintas métricas de error consideradas, dicho modelo vectorial presenta una mejora en la certeza de las predicciones: de un 6% a un 55% en relación al modelo de Referencia de Nielsen, y de un 2% a un 8% respecto al modelo ARMA-GARCH. Los resultados obtenidos permiten concluir que la manera propuesta para realizar predicción, es mejor que algunos de los métodos usados actualmente, pues reduce el error de estimación y en consecuencia, las predicciones son más cercanas a los valores reales.
Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/111121 |
Date | January 2012 |
Creators | Cornejo Carrasco, Francisco Javier |
Contributors | Silva Sánchez, Jorge, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Orchard Concha, Marcos, Agusto Alegría, Héctor |
Publisher | Universidad de Chile |
Source Sets | Universidad de Chile |
Language | Spanish |
Detected Language | Spanish |
Type | Tesis |
Page generated in 0.0016 seconds