Predicción probabilística de corto plazo en generación eólica

Abstract

A través de este proyecto se describe el uso del clasificador del K n-ésimo vecino más cercano KNN y un estimador del kernel con el fin de predecir la potencia eólica del viento. El modelo es capaz de predecir valores de la potencie eólica generada a la salida de la granja con una antelación de hasta 48h. Los datos usados para el estudio de caso tienen una resolución por cada hora. Estos datos fueron obtenidos de 10 granjas ubicadas en Australia, a dos distintas alturas: 10m y 100m. El modelo desarrollado es un modelo de un único paso. En la primera Fase, el KNN es usado para filtrar los datos. Una vez los datos han sido filtrados y normalizados, el modelo predice escenarios de generación a través del estimador del kernel. Finalmente, algunos indicadores de desempeño son usados para medir los resultados obtenidos respecto del valor real, tales como: EM, EMAN, EPMA y DEE.

Abstract: This project describes the use of KNN classifier with Kernel Density Estimation (KDE) models to forecasting the wind power. This approach is used to predict hourly values of wind power for horizons of up to 48h. The data used is hourly observation from 10 wind farms at two different heights, 10m and 100m, in Australia. This approached is a one-stage method where first a KNN classifier is applied to the raw data to clean it. Once the dataset has been cleaned and normalized, the forecast of the normalized wind power is calculated using KDE models. MAE, MAPE and SDE performance indices are used to find the performance of this model.