Comparación del pronóstico de viento generado por el modelo WRF y dos modelos LSTM
Barra lateral del artículo
Contenido principal del artículo
Resumen
Cuba se encuentra inmersa en el empleo de la energía eólica. Sin embargo, para su desarrollo ha requerido diversos esfuerzos en diferentes campos, incluyendo el perfeccionamiento de herramientas que hagan predecible el viento y a su vez la generación eólica, tal es el caso de los pronósticos a muy corto plazo. Por tal motivo, en el presente trabajo se compara el pronóstico del viento producido por Weather Research and Forecasting Model (WRF) a 3 km de resolución espacial y un modelo de inteligencia artificial del tipo Long Short Term Memory (LSTM). La comparación y evaluación de los pronósticos de los modelos se realiza con datos de los parques eólicos Gibara I y II y la torre de prospección eólica Los Cocos, ubicadas en la provincia de Holguín, Cuba. Allí se realizan mediciones de la velocidad del viento cada 10 minutos a una altura de 50 m. El LSTM se construyó entrenando primero las observaciones y luego combinándolas con el pronóstico del modelo WRF. Los resultados de la comparación se realizaron para tres casos de estudio e indican que ambos modelos LSTM presentan mejores resultados que el modelo WRF, aunque las diferencias no superan 1 m/s. Sin embargo, para los casos de estudio, el modelo WRF se comporta bien reproduciendo el ciclo diurno, pero con un MAE superior a 4 m/s.
Descargas
Detalles del artículo
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes de la Licencia CC Reconocimiento-NoComercial 4.0 Internacional (CC BY-NC 4.0):
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia.
Bajo las condiciones siguientes:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
La revista no se responsabiliza con las opiniones y conceptos emitidos en los trabajos, son de exclusiva responsabilidad de los autores. El Editor, con la asistencia del Comité de Editorial, se reserva el derecho de sugerir o solicitar modificaciones aconsejables o necesarias. Son aceptados para publicar trabajos científico originales, resultados de investigaciones de interés que no hayan sido publicados ni enviados a otra revista para ese mismo fin.
La mención de marcas comerciales de equipos, instrumentos o materiales específicos obedece a propósitos de identificación, no existiendo ningún compromiso promocional con relación a los mismos, ni por los autores ni por el editor.
Citas
Bouche, D., Flamary, R., d'Alché-Buc, F., Plougonven, R., Clausel, M., Badosa, J., y Drobinski, P. (2022). Wind power predictions from nowcasts to 4-hour forecasts: a learning approach with variable selection. DOI https://doi.org/10.1016/j.renene.2023.05.005.
Carpinone, A., Giorgio, M., Langella, R., y Testa, A. (2015). Markov chain modeling for very-short-term wind power forecasting. Electric power systems research, 122, 152-158. ISSN 0378-7796. DOI https://doi.org/10.1016/j.epsr.2014.12.025.
Council, G. W. E. (2022). Global wind report 2021. Global Wind Energy Council.
Emeis, S. (2013). Atmospheric Physics for Wind Power Generation. ISBN 978-3-319-72859-9. DOI https://doi.org/10.1007/978-3-319-72859-9.
Fuentes, A., Sierra, M., y Roque, A. (2022). LSTM Model for Wind Speed and Power Generation Nowcasting. Environmental Sciences Proceedings, 13(1), 30. ISSN: 2664-0880.
Giebel, G., Draxl, C., Brownsword, R., Kariniotakis, G., y Denhard, M. (2011). The state-of-the-art in short-term prediction of wind power. A literature overview, 2nd Edition G. Advanced Tools for the Management of Electricity Grids with Large-Scale Wind Generation. ANEMOS Project, Specific Targeted Research Project Contract N°: 038692. 2011.
GWEC: Global Wind Energy Council. 2021. Global Wind Report. [Cited: 18, may, 2023]. Available in: https://gwec.net/greenrecovery/.
Hinojosa, M. (2015). Pronóstico de Viento a Muy Corto Plazo Para Parques Eólicos. Bachelor’s Thesis, University of Havana, Habana, Cuba.
Li, Z., Luo, X., Liu, M., Cao, X., Du, S., y Sun, H. (2022). Short-term prediction of the power of a new wind turbine based on IAO-LSTM. Energy Reports, 8, 9025-9037. DOI https://doi.org/10.1016/j.egyr.2022.07.030.
Martínez, B., y Roque, A. (2019). Pronóstico energético a muy corto plazo para el Parque Eólico Gibara I utilizando un modelo autorregresivo. Revista Cubana de Meteorología, 25(2). ISSN: 0864-151X.
Mora, E., Cifuentes, J., y Marulanda, G. (2021). Short-term forecasting of wind energy: A comparison of deep learning frameworks. Energies, 14(23), 7943. DOI https://doi.org/10.3390/en14237943.
Paula, J., Sierra, M., y González, P. (2022). Analysis of SisPI Performance to Represent the North Atlantic Subtropical Anticyclone. Environmental Sciences Proceedings, 19(1), 40. DOI https://doi.org/10.3390/ecas2022-12804.
Pedraza, J. (2018). Renewable energy sources in Cuba: Current situation and development prospects. Focus on Renewable Energy Sources, (August), 49-104. [Cited: 18, may, 2023]. Available in: https://www.researchgate.net/publication/326698092.
Roque, A. 2015. Estudio comparativo de estaciones de prospección eólica, con respecto a la torre de referencia meteorológica de El Ramón, en Holguín. Revista Ecosolar, ISSN: 1028 – 6004, La Habana, Cuba.
Roque, A., Borrajero, I., Hernández, A., y Sierra, M. (2015a). Short-term energy forecast for the Gibara I and Los Canarreos wind farms. Instituto de Meteorología de Cuba, Havana, Cuba. Technical Report. P211LH003 – 004.
Rodríguez, A., Hernández, A., Lorenzo, M., y Montejo, I. (2022). Pronóstico numérico a corto plazo de la rapidez del viento para los parques eólicos de Gibara I y II. Revista Cubana de Meteorología, 28(2). ISSN: 2664-0880.
Roque, A., Sierra, M., Borrajero, I., y Ferrer, A. (2015b). Short-term wind forecast in meteorological reference towers for the Cuban wind program. Instituto de Meteorología de Cuba, Havana, Cuba. Technical Report.
Roque, A. y Yu, W. (2014). Informe Científico Técnico del Proyecto Atlas Eólico de Cuba. Instituto de Meteorología de Cuba, Havana, Cuba. Technical Report.
Rosell, D. (2015, 25-28 May). “Desarrollo de las Fuentes Renovables de Energía” [Conferencia Magistral]. In Proceedings of the Congreso Internacional de Energía Renovable, Ahorro y Educación Energética. Palacio de Las Convenciones, La Habana, Cuba.
Sapronova, A., Meissner, C., y Mana, M. (2016, September). “Short time ahead wind power production forecast. In Journal of Physics: Conference Series”. 749, (1), 012006. IOP Publishing. DOI 10.1088/1742-6596/749/1/012006.
Schicker, I., Papazek, P., Kann, A., y Wang, Y. (2017, April). “Wind speed and wind power short and medium range predictions for complex terrain using artificial neural networks and ensemble calibration”. In EGU General Assembly Conference Abstracts, 11846.
Senkal, S., y Ozgonenel, O. (2013, November). “Performance analysis of artificial and wavelet neural networks for short term wind speed prediction”. In 2013 8th International Conference on Electrical and Electronics Engineering (ELECO), 196-198. IEEE. DOI: 10.1109/ELECO.2013.6713830.
Sierra, M., Borrajero, I., Ferrer, A., Morfá, Y., Morejón, Y., y Hinojosa, M. (2017). Estudios de sensibilidad del SisPI a cambios de la PBL, la cantidad de niveles verticales y, las parametrizaciones de microfísica y cúmulos, a muy alta resolución. Informe de resultado Instituto de Meteorlogía, La Habana, Cuba. DOI:10.13140/RG.2.2.29136.00005. [Cited: 18, may, 2023]. Available in: https://www.researchgate.net/publication/325050959.
Sierra, M., Ferrer, A., Hernández, R., González, G., Cruz, R., Borrajero, I., Rodríguez, C.; Rodríguez, N., y Roque, A. (2015). Sistema Automático de Predicción a Mesoescala de Cuatro Ciclos Diarios. Informe de resultado Instituto de Meteorología, La Habana, Cuba. DOI: 10.13140/RG.2.1.2888.1127. [Cited: 18, may, 2023]. Available in: https://www.Researchgate.net/publication/281555728.
Soler, E., Lecha, L., Sánchez, L., y Naranjo, Y. (2020). Catálogo de los tipos de situaciones sinópticas que influyen sobre Cuba. Nueva Gerona, Isla de la Juventud: Centro Meteorológico de la Isla de la Juventud, INSMET. DOI:10.13140/RG.2.2.12542.20802.
Veloz, G. (2022, 26 agosto). Propósito claro: generar electricidad porque el país lo necesita. Revista Granma. [Cited: 18, may, 2023]. Available in: https://www.granma.cu/cuba/2022-08-26/proposito-claro-generar-electricidad-porque-el-pais-lo-necesita-26-08-2022-23-08-30.