Saltar a casilla de búsquedaSaltar a navegaciónIr directamente al contenido principal

Prediction Techniques Adapted to the Estimation of Energy Production of Photovoltaic Installations Integrated in Virtual Power Plants

Tesis doctoral:
Tesis académica
Tesis doctoral

About the thesis

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

Thesis Information

Fecha de la concesión de la tesis

2022

Nivel de formación

Tesis doctoral

Idioma original

Español

Instituciónotorgante