PRONÓSTICO INTELIGENTE DEL VIENTO ORIENTADO A LA GENERACIÓN DE ENERGÍA EÓLICA

La predicción de la velocidad del viento en parques eólicos se hace necesaria dada su alta variabilidad e intermitencia, lo cual afecta negativamente la calidad de la electricidad que se entrega a la Red Eléctrica, donde los impactos negativos se ven reducidos al utilizar técnicas de predicción derivadas del Aprendizaje Automatizado (Machine Learning). En este sentido los modelos soportados en el Aprendizaje Automatizado se han popularizado en las últimas décadas como serios contendientes de los modelos estadísticos clásicos (ej. Auto Regresivo de Media Móvil (ARMA), Auto Regresivo Integrado de Media Móvil (ARIMA), ARIMA fraccionario (f–ARIMA), etc.), ya que posibilitan predicciones más rápidas y precisas para el ajuste, partiendo del análisis de grandes cantidades de datos. La investigación desarrollada hasta el presente es de tipo descriptiva con análisis documental. En el estudio se lleva a cabo el análisis bibliográfico referente al pronóstico inteligente a Múltiples Pasos, a través del empleo de una metodología que se fundamenta en cinco etapas principales: (1) Selección de la estrategia a seguir, (2) Selección del modelo, (3) Pre - Procesamiento de los datos: Limpieza y depuración de datos atípicos y de ruido (4) Entrenamiento y Ajuste de los modelos de pronóstico y (5) Análisis y validación del modelo de predicción. Por tanto, el objetivo de la investigación se centra en: Determinar fortalezas y desventajas de diferentes tipos de Redes Neuronales Artificiales Profundas: Multilayer Perceptron, Long Short Term Memory (LSTM), y Convolutional Neural Network (CNN), para el pronóstico a corto plazo de la velocidad del viento, a través de diferentes estrategias, en las condiciones de Cuba