Un enfoque novedoso para la predicción de la energía eólica basada en redes neuronales de wavelet
Autores: Dias, Fedora Lia; Naik, Anant J.
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un enfoque novedoso para la predicción de la energía eólica basada en redes neuronales de wavelet
Categoría
Energía
Subcategoría
Energía eólica
Palabras clave
Energía eólica
Recurso de energía renovable
Red Neuronal Artificial
Análisis wavelet
Datos de viento
Energía eólica.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
La energía eólica es un recurso de energía renovable que se puede aprovechar para generar energía eléctrica. En este artículo, se propone y se prueba un nuevo enfoque de Red Neuronal Artificial (ANN) utilizando análisis de wavelet para la predicción de energía eólica con datos de viento de Kanyakumari, India, para diferentes estaciones. La descomposición wavelet se utiliza para descomponer los datos de series temporales de potencia eólica en diferentes componentes de frecuencia. El modelo simula el mapeo complejo de la potencia eólica histórica para permitir la predicción de datos de potencia eólica para las próximas 3 horas o las próximas 24 horas. Los componentes predichos se reconstruyen para obtener la serie temporal de energía eólica predicha en su totalidad. Los modelos propuestos ofrecen resultados de predicción más prometedores que el modelo sin el uso de wavelets. Se calculan y observan el coeficiente de regresión y el Error Cuadrático Medio (MSE) para evaluar el rendimiento del modelo.
Descripción
La energía eólica es un recurso de energía renovable que se puede aprovechar para generar energía eléctrica. En este artículo, se propone y se prueba un nuevo enfoque de Red Neuronal Artificial (ANN) utilizando análisis de wavelet para la predicción de energía eólica con datos de viento de Kanyakumari, India, para diferentes estaciones. La descomposición wavelet se utiliza para descomponer los datos de series temporales de potencia eólica en diferentes componentes de frecuencia. El modelo simula el mapeo complejo de la potencia eólica histórica para permitir la predicción de datos de potencia eólica para las próximas 3 horas o las próximas 24 horas. Los componentes predichos se reconstruyen para obtener la serie temporal de energía eólica predicha en su totalidad. Los modelos propuestos ofrecen resultados de predicción más prometedores que el modelo sin el uso de wavelets. Se calculan y observan el coeficiente de regresión y el Error Cuadrático Medio (MSE) para evaluar el rendimiento del modelo.