Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
La energía eólica es una fuente de energía limpia y renovable cada vez más importante. El estudio explora la viabilidad de modelar la generación de energía eólica utilizando técnicas de ciencia de datos y aprendizaje automático en Bogotá, Colombia. La metodología empleada incluye análisis de agrupam...
- Autores:
-
Cajamarca García, María Paula
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/54787
- Acceso en línea:
- http://hdl.handle.net/11634/54787
- Palabra clave:
- Wind Energy System
Data preprocessing
Clustering analysis
performance metrics
Machine Learning
Ingeniería Electrónica
Petróleo
Carbón
Sistemas de energía eólica
Preprocesamiento de datos
Análisis de Clustering
Métricas de desempeño
Aprendizaje automático
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| Summary: | La energía eólica es una fuente de energía limpia y renovable cada vez más importante. El estudio explora la viabilidad de modelar la generación de energía eólica utilizando técnicas de ciencia de datos y aprendizaje automático en Bogotá, Colombia. La metodología empleada incluye análisis de agrupamiento, Proceso Analítico Jerárquico (AHP) y distribución Weibull para modelar la generación de energía eólica a partir de datos meteorológicos históricos de viento. El análisis del recurso eólico implica el análisis de múltiples factores meteorológicos, como la velocidad del viento, la temperatura y la dirección, desde una estación meteorológica. El estudio evalúa la selección adecuada de turbinas eólicas para diseñar un sistema de energía eólica renovable, con una metodología que abarca la recopilación y el preprocesamiento de datos, la evaluación del recurso eólico y el diseño y optimización del sistema. El análisis de agrupamiento y los modelos de distribución Weibull se utilizan para identificar las características clave después del análisis de los datos meteorológicos históricos de viento, mientras que AHP ayuda durante la selección de una turbina eólica apropiada basada en varios criterios. Las métricas de rendimiento consisten en el Factor de Capacidad (CF), los Rendimientos de Desempeño (Yr) y la Relación de Desempeño (PR), proporcionando información sobre la eficiencia y el rendimiento del sistema de energía eólica renovable. Se destaca la importancia del preprocesamiento de datos para obtener resultados precisos y mejorados, junto con una discusión de los desafíos planteados por la naturaleza turbulenta y la ubicación subóptima de las pequeñas turbinas eólicas en entornos urbanos. |
|---|