2024-03-29T15:26:17Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/17852021-06-23T16:44:20Zcom_10324_30605com_10324_894col_10324_41
Poncela Blanco, Marta
2012-11-20T13:22:12Z
2012-11-21T00:40:02Z
2012
http://uvadoc.uva.es/handle/10324/1785
b1647678
10.35376/10324/1785
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
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
Attribution-NonCommercial-NoDerivs 3.0 Unported
Energía eólica
Serie cronológica
Markov, Procesos de
Nuevos modelos de predicción eólica basados en series temporales
info:eu-repo/semantics/doctoralThesis