Predicción de extremos de viento en parques eólicos mediante técnicas de machine learning

Abstract

El potencial de la energía eólica es tan grande que se busca optimizar su integración en la red eléctrica para sacar ventaja de esta energía. Esto implica solucionar problemas relacionados con la velocidad del viento, debido a su variabilidad y aleatoriedad, que dificultan su gestión y la posibilidad de predecir su velocidad. Este trabajo presenta una metodología de predicción de extremos de viento a corto plazo basada en un Algoritmo Genético y una ELM (Extreme Learning Machine), empleando distintos conjuntos de variables de predicción para mejorar su rendimiento, y llevando a cabo una selección de características (FSP) con el Algoritmo Genético que permite mejorar la precisión de la predicción.

The potential of wind power is so big that its integration into power system must be optimized in order to take advantage of this energy. This implies the solution of different problems related to wind speed, due to its variability and randomness, which make difficult its management and wind speed prediction. This work presents a methodology for short-term extreme wind speed prediction based on a Genetic Algorithm and an Extreme Learning Machine (ELM), using different sets of predictive variables to improve its performance, and carrying out the Feature Selection Problem (FSP) with the Genetic Algorithm that allows improving the prediction accuracy.