Mejorando la precisión y el intervalo de tiempo de predicción de parámetros ambientales aplicados a la calificación dinámica de líneas
Autores: Kabovi, Milenko; Kabovi, Anka; Rakas, Slavica Botjani; Timenko, Valentina
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Mejorando la precisión y el intervalo de tiempo de predicción de parámetros ambientales aplicados a la calificación dinámica de líneas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Velocidad del viento
Predicción
Calificación de línea dinámica
Sistema DLR
Modelos de pronóstico
Redes neuronales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Este documento aborda la predicción de la velocidad del viento en el entorno de calificación dinámica de líneas (DLR). Hemos descrito la arquitectura del sistema DLR, así como las principales características de los modelos de pronóstico no lineales, como las redes neuronales y lógica difusa. Los modelos descritos fueron probados y comparados utilizando datos reales (series temporales con datos sobre velocidad del viento, dirección del viento, temperatura del aire y radiación solar). El objetivo era aumentar la precisión y el tiempo de predicción a corto plazo. Los resultados muestran que las redes neuronales superan a la lógica difusa y que el intervalo de tiempo de predicción se puede extender hasta varias horas, sin comprometer significativamente la precisión.
Descripción
Este documento aborda la predicción de la velocidad del viento en el entorno de calificación dinámica de líneas (DLR). Hemos descrito la arquitectura del sistema DLR, así como las principales características de los modelos de pronóstico no lineales, como las redes neuronales y lógica difusa. Los modelos descritos fueron probados y comparados utilizando datos reales (series temporales con datos sobre velocidad del viento, dirección del viento, temperatura del aire y radiación solar). El objetivo era aumentar la precisión y el tiempo de predicción a corto plazo. Los resultados muestran que las redes neuronales superan a la lógica difusa y que el intervalo de tiempo de predicción se puede extender hasta varias horas, sin comprometer significativamente la precisión.