Abstract
En la tesis se distinguen dos estrategias de predicción de irradiancia. Por una parte, unapredicción híbrida de horizonte temporal diario que se compone de un modelo innovador
basado en horas similares junto a otro basado en redes neuronales, cuyas predicciones se
ponderan dinámicamente. En históricos reducidos, el modelo basado en horas similares produce
las mayores precisiones, mientras que el modelo basado en redes neuronales reduce su error a
lo largo del histórico hasta superar a este, a partir de un histórico de cuatro meses en el caso de
estudio. Al convertir la instalación en un nodo dentro de un entorno de central eléctrica virtual,
el modelo basado en horas similares obtiene especial relevancia, al reducir el error producido
en mayor medida en comparación con otras técnicas. Por otra parte, la segunda estrategia tiene
un horizonte temporal intradiario y está basado en redes neuronales recurrentes de memoria a
corto plazo. En este caso, la escasez del histórico se evita usando información vía satélite de
irradiancia, al ser la única información que necesita el modelo. La predicción se actualiza
conforme se obtienen nuevas medidas de irradiancia en la instalación, optimizando su precisión
en todo momento.
Una vez predicha la irradiancia bajo diferentes horizontes temporales, se utiliza un
método analítico a partir de artículos de la literatura para conocer la potencia fotovoltaica
generada en la instalación, obteniendo un error bastante reducido en el método. Seguidamente,
se evalúa la potencia generada en cada nodo en una central eléctrica virtual, observando que el
error de predicción se reduce considerablemente y se mantienen las conclusiones observadas
en los nodos individuales. A partir de las predicciones de potencia fotovoltaica se generan
intervalos de predicción, ofreciendo información sobre el posible rango de potencia fotovoltaica
generada en la instalación, bajo un nivel de confianza definido, considerando una distribución
Laplaciana del error. Los resultados muestran que los intervalos representan adecuadamente el
nivel de confianza seleccionado.
Estimada la potencia fotovoltaica producida bajo diferentes horizontes temporales, se
unifican las predicciones para generar en todo momento la predicción de potencia óptima. Para
comprobar el potencial de los resultados finales, se emplea la estrategia en un caso de estudio
de un sistema de gestión energético de baterías en el nodo real de pruebas de la Universidad.
Se observa que las baterías instaladas se amortizan a lo largo de su vida útil, permitiendo utilizar
estos elementos sin una pérdida económica asociada dentro de un entorno de central eléctrica
virtual, donde resultan esenciales.
| Date of Award | 2022 |
|---|---|
| Original language | Spanish |
| Awarding Institution |
|