Desarrollo de modelos de predicción de la generación de energía eólica y solar para la optimización de centros de datos en un entorno de Smart Grid

En la actualidad vivimos un continuo incremento de la demanda eléctrica, por otro lado, también se dedican más recursos renovables a abastecer dicho consumo debido a que, a diferencia de los combustibles fósiles, las fuentes renovables no contaminan ni favorecen el calentamiento global. Esto, junto al continuo abaratamiento de la infraestructura de una red de autoconsumo, resulta en una posible solución al problema de la demanda energética global: provisionar un sistema, íntegra o parcialmente, con una red de autoconsumo de energías renovables. Una parte importante de este consumo es debida a los Centros de Procesamiento de Datos. Estos centros tienen como objetivo procesar toda la información de una organización. Dichos espacios procesan datos ininterrumpidamente durante periodos de tiempo muy extensos lo que implica un consumo prolongado en el tiempo. Este sistema puede ser abastecido si se combinan satisfactoriamente varios elementos: La red eléctrica convencional, una infraestructura de autoconsumo de energías renovables y un conjunto de baterías. La complejidad radica en saber cuándo y cómo usar cada uno de estos elementos. (i.e. En un periodo de máxima producción solar, no tendría sentido consumir directamente de la red eléctrica). El elemento que añade mayor variedad al cuándo y cómo es la producción de energías renovables. Si tratamos con el sol, no se sabe con certeza cuándo se nublará, o tratando con el viento, cuánto y en qué dirección soplará. Por esto centraremos el trabajo en dicha complicación: Predecir la energía producida. Para ello estudiaremos múltiples modelos de predicción enfocados a la predicción energética, no a la meteorológica, y evaluaremos los resultados obtenidos. Para ello tomaremos valores meteorológicos extraídos de una estación para, con un modelo detallado de la planta solar o un parque eólico, obtener valores energéticos lo más realistas posibles y aplicar los modelos predictivos a éstos con el fin de obtener y contrastar las predicciones. Con los resultados obtenidos se espera poder evaluar la capacidad y calidad actual de la técnica y en consecuencia, su viabilidad