En Dinámica Heurística, hemos desarrollado una herramienta de Predicción de Generación de Potencia Eólica, mediante el uso de aprendizaje automático (“Machine Learning”) utilizando redes neuronales.
El proceso consiste en obtener un modelo de predicción, basándose en la información histórica de cada turbina del parque eólico. El modelo aprende de esa información histórica y genera predicciones.
El modelo se valida, comparando las predicciones con los valores reales y generando una métrica del error, tales como error absoluto medio (M A E), raíz del error cuadrático medio (R M S E) u otros, hasta lograr resultados satisfactorios.
La información histórica, consiste en datos de la turbina, adquiridos mediante el sistema de adquisición de datos (SCADA) tales como; velocidad del viento, temperatura interna y externa, dirección del viento, potencia activa y reactiva y complementada con datos meteorológicos externos como; densidad del aire, turbulencia, estabilidad atmosférica, entre otros datos.
La predicción meteorológica requerida para la ubicación de cada turbina se basa en métodos que generan múltiples predicciones al mismo tiempo (20 a 50 predicciones).
Esta predicción meteorológica y los datos de la turbina generan múltiples predicciones de generación de potencia, lo que permite obtener valores probables dentro de rangos predefinidos de probabilidad tales como valor promedio, percentiles del 10 al 90% ó del 25 al 75%.
Los valores pronosticados son por hora para un periodo de 7 días y opcionalmente hasta para 30 días.
El sistema presenta los siguientes resultados y gráficas.
Pronóstico de generación del parque eólico por hora para 7 días o más, en gráficas, hoja de cálculo y reporte.
Pronósticos en percentiles del 25 al 75%, del 10 al 90% u otros.
Entre mayor sea el área en estos percentiles, mayor es la incertidumbre en la predicción.
En la medida que se conocen los valores reales de producción, se generan métricas del error comparando los valores reales con los pronosticados, lo que permite evaluar la confiabilidad del sistema.
Estas gráficas, reportes, tablas de datos y evaluación del error se pueden hacer para cada turbina.
Esto permite visualizar el desempeño de cada turbina, su deterioro con el tiempo y opcionalmente utilizando más datos del sistema de adquisición de datos (SCADA) tales como; temperaturas internas, temperaturas del aceite, etcétera, pronosticar fallas en componentes de las turbinas.
Si requiere más información o una demostración, estamos a sus órdenes.
Alamo 2908
Col. Bosques Contry,
67174 Guadalupe, N.L. México
Tel: +Mex (81) 8317-4238
Tel: +Mex (81) 3477 5224 Whatsapp