Aplicación de la técnica de Machine Learning para la estimación del potencial eólica en el sector de Lasso a partir de mediciones de una estación meteorológica

Abstract

La energía eólica es renovable que no contamina permite remplazar el uso de combustibles fósiles, es una alternativa para generar electricidad que puede suplir la demanda en sectores de difícil acceso de las redes eléctricas para lo cual se ha realizado el diseño del algoritmo aplicando técnicas de Machine Learning permitiendo predecir la velocidad del viendo para determinar el potencial eólico que se tiene en base a las mediciones realizadas con la estación meteorológica, cabe destacar que al existir valores nulos se realizó una depuración de la data, el registro obtenido se analizado mediante el lenguaje de programación de Python, se utilizó el análisis de series temporales usando Red LSTM, que es un tipo de Red Neuronal Recurrente que permite analizar datos históricos, para su entrenamiento se utilizó el 80% de datos y el 20% para su validación, con el optimizador RMSPROP se generó mejores resultados de entrenamiento, optimizando la predicción con los valores reales además para su validación se aplicó el error porcentual absoluto medio (MAPE) obteniendo como resultado un 4% valor que se encuentra dentro del límite permitido para una correcta validación de predicción, con los valores pronosticados de la velocidad del viento se aplicó la distribución de Weibull determinando la velocidad promedio de 2.72 m/s con la cual permitió seleccionar el aerogenerador Enair 30Pro que se ha realizado atendiendo estrictamente a la Norma IEC 61400-2, con la que se determinó el potencial eólico promedio extraíble de 51.53 W y la energía producida de 522 kWh/año.