Ítem
Acceso Abierto
Uso de modelos de aprendizaje automático para la predicción de energía eólica y su uso potencial en el mercado de corto plazo en colombia
Título de la revista
Autores
Hernández Tocora, Luis Carlos
Gutiérrez Astudillo, Nilson Adiel
Fecha
2025-12-09
Directores
Matiz Chicacausa, Andrea
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
El desarrollo de tecnologías para producir electricidad con base en el aprovechamiento de recursos naturales como el viento y sol, considerados limpios, ilimitados y renovables, ha transformado la generación de energía eléctrica. Sin embargo, estas tecnologías enfrentan el desafío de integrar fuentes renovables en los sistemas eléctricos de potencia, caracterizados por su confiabilidad y seguridad en el suministro eléctrico. Este reto se debe principalmente a la intermitencia de estas fuentes renovables, en contraste con fuentes convencionales como la generación térmica, nuclear y las grandes centrales hidroeléctricas. La continuidad en los sistemas eléctricos de potencia es crucial para mantener la confiabilidad del sistema eléctrico en cualquier país. Dado que la energía eólica, presenta variaciones en su intensidad a lo largo del día, mes y año, resulta esencial implementar metodologías predictivas. Estas metodologías, basadas en la recopilación y análisis de datos, son fundamentales para prever la generación de energía eólica, contribuyendo así a la estabilidad, confiabilidad y seguridad de los sistemas eléctricos de potencia. Los modelos de predicción pueden basarse en datos meteorológicos o ser más avanzados al integrar el aprendizaje automático que permite procesar grandes cantidades de datos, identificar patrones no lineales y ajustar sus parámetros sin intervención manual.
Abstract
The development of technologies to generate electricity based on the use of natural resources such as wind and solar energy—considered clean, unlimited, and renewable—has transformed electric power generation. However, these technologies face the challenge of integrating renewable energy sources into power systems, which are characterized by their reliability and security of electricity supply. This challenge is mainly due to the intermittency of renewable sources, in contrast to conventional sources such as thermal generation, nuclear power, and large hydroelectric plants. The continuity of power systems is crucial to maintaining the reliability of the electrical system in any country. Since wind energy exhibits variations in its intensity throughout the day, month, and year, it is essential to implement predictive methodologies. These methodologies, based on data collection and analysis, are fundamental for forecasting wind power generation, thereby contributing to the stability, reliability, and security of power systems. Forecasting models may be based on meteorological data or be more advanced by integrating machine learning techniques, which enable the processing of large volumes of data, the identification of nonlinear patterns, and the adjustment of model parameters without manual intervention. Si lo necesitas con un estilo aún más académico (tipo paper IEEE o tesis de maestría), dime y lo ajusto. Traducir al ingles: Energía eólica, Predicción de energía eólica, Modelos predictivos, Aprendizaje automático, Machine Learning. Wind energy, Wind energy forecasting, Predictive models, Machine learning, Machine Learning.
Palabras clave
Energía eólica , Aprendizaje automático , Modelos predictivos , Predicción de energía eólica
Keywords
Wind energy , Machine Learning , Predictive models , Wind energy forecasting
