Nuevos modelos de predicción eólica basados en series temporales

Abstract

El trabajo desarrollado en esta tesis se centra en la mejora de los modelos estadísticos presentes en herramientas de predicción eólica actualmente existentes. Las principales aportaciones son, en primer lugar, partiendo de los modelos basados en el filtro de Kalman, la estimación de las matrices del sistema por máxima verosimilitud. De esta manera se incorporan las características del parque eólico a la predicción y se adapta la herramienta de predicción a cada parque. En segundo lugar, se estudia la aplicación de técnicas multivariantes que permitan captar, a través de las correlaciones entre parámetros, relaciones no recogidas explícitamente en los modelos. Se plantean distintas alternativas multivariantes de reducción de datos como estrategia de combinación de predicciones para la obtención de la predicción final, así como métodos basados en cadenas de Markov. La aplicación práctica de las estrategias planteadas se muestran para el parque eólico de Sotavento