Modelización y predicción de energía eléctrica producida en un aerogenerador utilizando modelos estocásticos temporales a partir de series de viento

Abstract

[ES] El desarrollo de las energías renovables, y como consecuencia, la alta penetración eólica en los sistemas eléctricos, ha hecho necesario el uso de herramientas de predicción para realizar la correcta gestión por parte del operador del sistema eléctrico o por los agentes que regulan uno o varios parques eólicos. En este trabajo de fin de grado se comparan varios métodos de cálculo de la predicción de la potencia eléctrica generada por un aerogenerador para horizontes a muy corto plazo. Para ello, se estudian diferentes series temporales de las variables más significativas que afectan a la producción de energía eólica y se proponen diferentes modelos de predicción estadísticos ARIMA. Los modelos ARIMA combinan las ventajas de los modelos de Regresión Local Ponderada y de Medias Móviles para adecuarse a la complejidad de la predicción no lineal en cada momento. Una vez elegido el modelo para cada variable, se valida y se realiza la predicción. Las predicciones obtenidas son, a su vez, los datos necesarios para la parte final del trabajo, donde se contrastan métodos directos e indirectos de predicción de potencia. Estos métodos están basados en el modelado directo de los datos históricos de potencia frente a los modelos obtenidos a partir de las predicciones de las variables relacionadas, siendo el objetivo del trabajo determinar si existen diferencias significativas entre ambos métodos. Para el desarrollo del trabajo ha sido necesario utilizar programas estadísticos tales como "Statgraphics" o el programa de código libre "R", teniendo que desarrollar funciones propias para adaptar los datos y obtener datos intermedios.

[EN] The development of renewable energies, and consequently the high wind penetration in the electrical systems, has made it necessary to use prediction tools to carry out the correct management by the electrical system operator or by the agents that regulate one or several wind farms. In this end-of-degree project, several methods of calculating the forecast of the electrical power generated by a wind turbine for very short-term horizons are compared. To do this, we study different time series of the most significant variables that affect wind energy production and propose different ARIMA statistical prediction models. The ARIMA models combine the advantages of the Locally Weighted Regression and Moving Average models to fit the complexity of non-linear prediction at any given time. Once the model is chosen for each variable, it is validated and the prediction is made. The predictions obtained are, in turn, the necessary data for the final part of the work, which contrasts direct and indirect methods of power prediction. These methods are based on the direct modelling of the historical data of power versus the models obtained from the predictions of the related variables, being the objective of the work to determine if there are significant differences between both methods. For the development of the work, it has been necessary to use statistical programs such as "Statgraphics" or the free code program "R", having to develop its own functions to adapt the data and obtain intermediate data.