SciELO - Scientific Electronic Library Online

 
vol.19 issue4Coating growth on 304 stainless steel fractures by the Pechini methodHumidity generation model by the mixture of air flows author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Ingeniería, investigación y tecnología

On-line version ISSN 2594-0732Print version ISSN 1405-7743

Abstract

IBARGUENGOYTIA-GONZALEZ, Pablo Héctor; REYES-BALLESTEROS, Alberto; BORUNDA-PACHECO, Mónica  and  GARCIA-LOPEZ, Uriel Alejandro. Predicción de potencia eólica utilizando técnicas modernas de Inteligencia Artificial. Ing. invest. y tecnol. [online]. 2018, vol.19, n.4, e033. ISSN 2594-0732.  https://doi.org/10.22201/fi.25940732e.2018.19n4.033.

Existe una tendencia mundial por el uso de energías limpias en sustitución de combustibles fósiles, dado el constante incremento de la demanda energética y el interés por preservar el medio ambiente. De las energías renovables en el ámbito mundial, la energía eólica es la que ha tenido más crecimiento en los últimos años. Sin embargo, en el caso de México se tienen ciertas dificultades aún para extender su uso en ciertas regiones del territorio nacional. Una dificultad es la de conocer con suficiente anterioridad cuánta energía se dispondrá para inyectar a la red eléctrica. El presente trabajo describe el desarrollo de una tecnología de Inteligencia Artificial (IA) para el pronóstico de potencia eólica basado en información meteorológica de varios años. Específicamente, se realizó una investigación detallada sobre el uso potencial de las Redes Bayesianas para estas aplicaciones de pronóstico. Se identificó la necesidad de considerar el tiempo en el proceso de pronóstico y se realizó una propuesta novedosa basada en Redes Bayesianas Dinámicas (RBD). El sistema de pronóstico se probó con datos meteorológicos del centro regional de tecnología eólica (CERTE) del Instituto Nacional de Electricidad y Energías Limpias (INEEL) en Oaxaca, México. Se compararon los resultados con predicciones hechas con series de tiempo y se encontraron resultados satisfactorios confirmando que las Redes Bayesianas Dinámicas son una herramienta prometedora para la predicción de la potencia eólica.

Keywords : Energía eólica; pronóstico de potencia; Inteligencia Artificial; Redes Bayesianas Dinámicas.

        · abstract in English     · text in Spanish