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...

Full description

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

id	SANTOTOMAS_43c1b2faae4546ac3699a70fb6fa932b
oai_identifier_str	oai:repository.usta.edu.co:11634/54787
network_acronym_str	SANTOTOMAS
network_name_str	Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
title	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
spellingShingle	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá 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
title_short	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
title_full	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
title_fullStr	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
title_full_unstemmed	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
title_sort	Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá
dc.creator.fl_str_mv	Cajamarca García, María Paula
dc.contributor.advisor.none.fl_str_mv	Garrido Silva, Gianina
dc.contributor.author.none.fl_str_mv	Cajamarca García, María Paula
dc.contributor.orcid.spa.fl_str_mv	https://orcid.org/0000-0002-6607-9626
dc.contributor.googlescholar.spa.fl_str_mv	https://scholar.google.com/citations?hl=es&user=kFV2TV0AAAAJ
dc.contributor.cvlac.spa.fl_str_mv	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001538476
dc.contributor.corporatename.spa.fl_str_mv	Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv	Wind Energy System Data preprocessing Clustering analysis performance metrics Machine Learning
topic	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
dc.subject.lemb.spa.fl_str_mv	Ingeniería Electrónica Petróleo Carbón
dc.subject.proposal.spa.fl_str_mv	Sistemas de energía eólica Preprocesamiento de datos Análisis de Clustering Métricas de desempeño Aprendizaje automático
description	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.
publishDate	2023
dc.date.issued.none.fl_str_mv	2023
dc.date.accessioned.none.fl_str_mv	2024-04-22T18:33:18Z
dc.date.available.none.fl_str_mv	2024-04-22T18:33:18Z
dc.type.local.spa.fl_str_mv	Trabajo de grado
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.citation.spa.fl_str_mv	Cajamarca García, M. P. (2023). Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/11634/54787
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.usta.edu.co
identifier_str_mv	Cajamarca García, M. P. (2023). Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co
url	http://hdl.handle.net/11634/54787
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Benito Gustavo Guerrero Hoyos, Fabio De Jesús Vélez Macías y Diana Elizabeth Morales Quintero. «Energía eólica y territorio: sistemas de información geográfica y métodos de decisión multicriterio en La Guajira (Colombia)». Tesis doct. 2020. DOI: 10.11144/ javeriana.ayd23-44.eets. Luis Gabriel Amezquita Pardo y Jorge Eduardo Cepeda Jiménez. «Energía eólica, una alternativa ambientalmente sostenible desde el Ejército Nacional de Colombia». En: Brújula Semilleros de Investigación 9.17 (2021). DOI: 10.21830/23460628.93. Juliana Martínez-Hernández et al. «A SWOT Analysis forWind Energy Potential Assessment in Colombia.» En: Fuentes el Reventon Energetico 20.1 (2022). ISSN: 21458502. DOI: 10.18273/revfue.v20n1-2022005. Juan Manuel Gimenez Alvarez y Juan Carlos Gómez Targarona. «Generación eólica empleando distintos tipos de generadores considerando su impacto en el sistema de potencia ». En: DYNA (Colombia) 78.169 (2011). ISSN: 00127353. Ahmad Murtaza Ershad, Robert J. Brecha y Kevin Hallinan. «Analysis of solar photovoltaic and wind power potential in Afghanistan». En: Renewable Energy 85 (2016). ISSN: 18790682. DOI: 10.1016/j.renene.2015.06.067 Ramadoni Syahputra, Kunnu Purwanto e Indah Soesanti. «Performance investigation of standalone wind power system equipped with sinusoidal PWM power inverter for household consumer in rural areas of Indonesia». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/j.egyr.2022.03.145. K. C.S. Kwok y Gang Hu. «Wind energy system for buildings in an urban environment». En: Journal ofWind Engineering and Industrial Aerodynamics 234 (2023). ISSN: 01676105. DOI: 10.1016/j.jweia.2023.105349 Wenxin Wang et al. «Correlation analysis of three-parameter Weibull distribution parameters with wind energy characteristics in a semi-urban environment». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/j.egyr.2022.06.043 A. K. Azad et al. «Analysis of Wind Energy Prospect for Power Generation by Three Weibull Distribution Methods». En: Energy Procedia. Vol. 75. 2015. DOI: 10.1016/j. egypro.2015.07.499 Keith Sunderland et al. «Small wind turbines in turbulent (urban) environments: A consideration of normal andWeibull distributions for power prediction». En: Journal of Wind Engineering and Industrial Aerodynamics 121 (2013). ISSN: 01676105. DOI: 10.1016/j. jweia.2013.08.001. Jin ning Shan et al. «Research on short-term power prediction of wind power generation based on WT-CABC-KELM». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/ j.egyr.2022.09.165 A. K. Azad et al. «Analysis of wind energy conversion system using Weibull distribution ». En: Procedia Engineering. Vol. 90. 2014. DOI: 10.1016/j.proeng.2014.11.803. José Antonio Guarienti et al. «Performance analysis of numerical methods for determiningWeibull distribution parameters applied to wind speed in Mato Grosso do Sul, Brazil ». En: Sustainable Energy Technologies and Assessments 42 (2020). ISSN: 22131388. DOI: 10.1016/j.seta.2020.100854 Ligai Kang et al. Performance indices review of the current integrated energy system: From history and projects in China. 2022. DOI: 10.1016/j.seta.2022.102785. Abdelgalil Eltayesh et al. «Aerodynamic upgrades of a Darrieus vertical axis small wind turbine». En: Energy for Sustainable Development 73 (2023). ISSN: 23524669. DOI: 10.1016/ j.esd.2023.01.018 H. A. Porto, C. A. Fortulan y A. J.V. Porto. Power performance of starting-improved and multibladed horizontal-axis small wind turbines. 2022. DOI: 10.1016/j.seta.2022.102341. Tabbi Wilberforce et al. «Wind turbine concepts for domestic wind power generation at low wind quality sites». En: Journal of Cleaner Production 394 (2023). ISSN: 09596526. DOI: 10.1016/j.jclepro.2023.136137 L. Battisti et al. «Small wind turbine effectiveness in the urban environment». En: Renewable Energy 129 (2018). ISSN: 18790682. DOI: 10.1016/j.renene.2018.05.062. Yingchao Dong et al. «Wind power forecasting based on stacking ensemble model, decomposition and intelligent optimization algorithm». En: Neurocomputing 462 (2021). ISSN: 18728286. DOI: 10.1016/j.neucom.2021.07.084 Kejun Wang et al. «Deep belief network based k-means cluster approach for short-term wind power forecasting». En: Energy 165 (2018). ISSN: 03605442. DOI: 10 . 1016 / j . energy.2018.09.118 Lei Dong et al. Wind power day-ahead prediction with cluster analysis of NWP. 2016. DOI: 10.1016/j.rser.2016.01.106 S. H. Pishgar-Komleh, A. Keyhani y P. Sefeedpari. Wind speed and power density analysis based onWeibull and Rayleigh distributions (a case study: Firouzkooh county of Iran). 2015. DOI: 10.1016/j.rser.2014.10.028 M. R. Islam, R. Saidur y N. A. Rahim. «Assessment of wind energy potentiality at Kudat and Labuan, Malaysia using Weibull distribution function». En: Energy 36.2 (2011). ISSN: 03605442. DOI: 10.1016/j.energy.2010.12.011 Julian C. Aririguzo y Ekwe B. Ekwe. «Weibull distribution analysis of wind energy prospect for Umudike, Nigeria for power generation». En: Robotics and Computer-Integrated Manufacturing 55 (2019). ISSN: 07365845. DOI: 10.1016/j.rcim.2018.01.001 Shahnawaz Farhan Khahro et al. «Evaluation of wind power production prospective and Weibull parameter estimation methods for Babaurband, Sindh Pakistan». En: Energy Conversion and Management 78 (2014). ISSN: 01968904. DOI: 10.1016/j.enconman.2013. 06.062 Luis Milla Lostaunau y Universidad Nacional Mayor de San Marcos. «Energía Eólica: Alternativa Energética Viable». En: Electrónica - UNMSM 0 (20 2007). ISSN: 1609-9087 Wenxin Wang et al. «A study of function-based wind profiles based on least squares method: A case in the suburbs of Hohhot». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/j.egyr.2022.03.008. Modelos de dispersión y distribución de contaminantes en el ambiente. 2023. DOI: 10.35537/ 10915/149176 Prem Kumar Chaurasiya, Siraj Ahmed y Vilas Warudkar. «Study of different parameters estimation methods of Weibull distribution to determine wind power density using ground based Doppler SODAR instrument». En: Alexandria Engineering Journal 57 (4 2018). ISSN: 11100168. DOI: 10.1016/j.aej.2017.08.008 Vladislovas Katinas, Giedrius Gecevicius y Mantas Marciukaitis. «An investigation of wind power density distribution at location with lowand high wind speeds using statistical model». En: Applied Energy 218 (2018). ISSN: 03062619. DOI: 10.1016/j.apenergy. 2018.02.163. Jed Mohamed El Hacen et al. «Performance analysis of micro-amorphe silicon PV array under actual climatic conditions in Nouakchott, Mauritania». En: 2019 10th International Renewable Energy Congress, IREC 2019. 2019. DOI: 10.1109/IREC.2019.8754599. Carolina Alejandra Córdova Molina. «Estudio de factibilidad técnico-económica para instalar una planta de compostaje, utilizando desechos vegetales urbanos». En: Universidad De Chile (2006). W. Yossri, S. Ben Ayed y A. Abdelkefi. «Evaluation of the efficiency of bioinspired blade designs for low-speed small-scale wind turbines with the presence of inflow turbulence effects». En: Energy 273 (2023). ISSN: 03605442. DOI: 10.1016/j.energy.2023. 127210. Amir Bashirzadeh Tabrizi et al. «Extent to which international wind turbine design standard, IEC61400-2 is valid for a rooftop wind installation». En: Journal of Wind Engineering and Industrial Aerodynamics 139 (2015). ISSN: 01676105. DOI: 10.1016/j.jweia.2015. 01.006. Lijun Zhang et al. «A method of reducing the radial load of the shaft of a vertical axis wind turbine based on movable mass blocks». En: Renewable Energy 175 (2021). ISSN: 18790682. DOI: 10.1016/j.renene.2021.05.012 Carlos Roberto Martínez Martínez. «Prototipo de un generador eólico doméstico con materiales asequibles en El Salvador». En: Producción Agropecuaria y Desarrollo Sostenible 3 (2015). ISSN: 2305-1744. DOI: 10.5377/payds.v3i0.3974. L. N. Azadani. Vertical axis wind turbines in cluster configurations. 2023. DOI: 10.1016/j. oceaneng.2023.113855 M. H. Mohamed. «Performance investigation of H-rotor Darrieus turbine with new airfoil shapes». En: Energy 47.1 (2012). ISSN: 03605442. DOI: 10.1016/j.energy.2012.08. 044. T. Zhao et al. «Variation of energy utilization efficiency with respect to inlet wind speed for eight-blade modified Savonius rotor by CFD approach». En: International Journal of Green Energy 16.14 (2019). ISSN: 15435083. DOI: 10.1080/15435075.2019.1671404. Maysaa Rizk y Karim Nasr. «Computational Fluid Dynamics Investigations Over Conventional and Modified Savonius Wind Turbines». En: SSRN Electronic Journal (2022). DOI: 10.2139/ssrn.4225300 Atul Gautam, Vilas Warudkar y J. L. Bhagoria. «Comparison of Weibull parameter estimation methods using LiDAR and mast wind data in an Indian offshore site: The Gulf of Khambhat». En: Ocean Engineering 266 (2022). ISSN: 00298018. DOI: 10 . 1016 / j . oceaneng.2022.112927 Dalwinder Singh y Birmohan Singh. «Investigating the impact of data normalization on classification performance». En: Applied Soft Computing 97 (2020). ISSN: 15684946. DOI: 10.1016/j.asoc.2019.105524 Abiodun M. Ikotun et al. «K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data». En: Information Sciences 622 (2023). ISSN: 00200255. DOI: 10.1016/j.ins.2022.11.139. Muhammad Sinan et al. «Advances in numerical simulation with a clustering method based on K–means algorithm and Adams Bashforth scheme for fractional order laser chaotic system». En: Alexandria Engineering Journal 75 (2023), págs. 165-179. ISSN: 1110- 0168. DOI: https://doi.org/10.1016/j.aej.2023.05.080. URL: https: //www.sciencedirect.com/science/article/pii/S1110016823004489. Ashutosh Karna y Karina Gibert. «Automatic identification of the number of clusters in hierarchical clustering». En: Neural Computing and Applications 34.1 (2022). ISSN: 14333058. DOI: 10.1007/s00521-021-05873-3. Abdelilah Et-Taleby, Mohammed Boussetta y Mohamed Benslimane. «Faults detection for photovoltaic field based on k-means, elbow, and average silhouette techniques through the segmentation of a thermal image». En: International Journal of Photoenergy 2020 (2020). ISSN: 1687529X. DOI: 10.1155/2020/6617597. Felipe Romano Damas Nogueira et al. «Dor muscular e atividade de creatina quinase após ações excêntricas: uma análise de cluster». En: Revista Brasileira de Medicina do Esporte 20.4 (2014). DOI: 10.1590/1517-86922014200401786. URL: http://ideam.gov.co/documents/290086/75945771/SKBO/798acf32- 7f48-4bce-ad39-855c2c58dd3e. Seunghyun Cheon et al. «Finding the most suitable vehicle type for projected years using analytic hierarchy process integrated with economic and environmental aspects». En: Journal of Cleaner Production 426 (2023), pág. 139075. ISSN: 0959-6526. DOI: https://doi. Model Name et al. «Taizhou Sunnily New Ener g y Technolo g y Co ., Ltd 100W Wind Turbine Specifications X-300 Description : - Silent & Vibration Free - Light & Compact - Perfect for Small Appliances». En: (). “FLTXNY 200w 24v 12v helix vertical wind turbine generator FS-200”, https://www.flytpower.com/. [En línea]. Disponible en: https://www.flytpower.com/fltxny-200w-24v-12v-helix-vertical-windturbine- generator-fs-200-product/. [Consultado: 08-oct-2023]. Nils H. Reich et al. «Performance ratio revisited: Is PR > 90% realistic?» En: 20.6 (2012). ISSN: 10627995. DOI: 10.1002/pip.1219.
dc.rights.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.campus.spa.fl_str_mv	CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv	Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv	Pregrado Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería Electrónica
institution	Universidad Santo Tomás
bitstream.url.fl_str_mv	https://repository.usta.edu.co/bitstream/11634/54787/6/2024cartaderechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54787/7/2024cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54787/8/2024mariacajamarca.pdf.jpg https://repository.usta.edu.co/bitstream/11634/54787/1/2024cartaderechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/54787/2/2024cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/54787/3/2024mariacajamarca.pdf https://repository.usta.edu.co/bitstream/11634/54787/4/license_rdf https://repository.usta.edu.co/bitstream/11634/54787/5/license.txt
bitstream.checksum.fl_str_mv	b51b7bd0efb56e74eb648eca95b65ff9 e9365d45ea7dcbdddc9d317565929019 33fbbac9a95c15c854c9572c483d63a3 58b51b2dc246460e21447d8223e83989 76ecac539fabb6788794f1f28916bbe8 0a8d2718efd9d0cf274dfcba9f61343c 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv	noreply@usta.edu.co
_version_	1860882127002796032
spelling	Garrido Silva, GianinaCajamarca García, María Paulahttps://orcid.org/0000-0002-6607-9626https://scholar.google.com/citations?hl=es&user=kFV2TV0AAAAJhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001538476Universidad Santo Tomás2024-04-22T18:33:18Z2024-04-22T18:33:18Z2023Cajamarca García, M. P. (2023). Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucionalhttp://hdl.handle.net/11634/54787reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coLa 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.Wind energy is an increasingly important source of clean and renewable energy. The article explores the feasibility of modeling the generation of wind power using data science techniques and machine learning in Bogotá, Colombia. The methodology employed includes clustering analysis, Analytic Hierarchy Process (AHP), and Weibull distribution to model wind power generation from historical meteorological wind data. The wind resource analysis involves analyzing multiple meteorological factors, such as wind speed, temperature, and direction, from a meteorological station.The study evaluates suitable wind turbine selection to design a renewable wind energy system, with a methodology that encompasses data collection and preprocessing, wind resource evaluation, and system design and optimization. Clustering analysis and Weibull distribution models are used to identify key characteristics following analysis of the historical meteorological wind data, whereas AHP helps during the selection of an appropriate wind turbine based on several criteria. The performance metrics consist of Capacity Factor (CF), Performance Yields (Yr), and Performance Ratio (PR), providing insights into the efficiency and output of the renewable wind energy system. The importance of data preprocessing for improved and accurate results is highlighted, along with a discussion of the challenges posed by the turbulent nature and suboptimal placement of small wind turbines in urban environments.Ingeniero ElectronicoPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de BogotáWind Energy SystemData preprocessingClustering analysisperformance metricsMachine LearningIngeniería ElectrónicaPetróleoCarbónSistemas de energía eólicaPreprocesamiento de datosAnálisis de ClusteringMétricas de desempeñoAprendizaje automáticoTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáBenito Gustavo Guerrero Hoyos, Fabio De Jesús Vélez Macías y Diana Elizabeth Morales Quintero. «Energía eólica y territorio: sistemas de información geográfica y métodos de decisión multicriterio en La Guajira (Colombia)». Tesis doct. 2020. DOI: 10.11144/ javeriana.ayd23-44.eets.Luis Gabriel Amezquita Pardo y Jorge Eduardo Cepeda Jiménez. «Energía eólica, una alternativa ambientalmente sostenible desde el Ejército Nacional de Colombia». En: Brújula Semilleros de Investigación 9.17 (2021). DOI: 10.21830/23460628.93.Juliana Martínez-Hernández et al. «A SWOT Analysis forWind Energy Potential Assessment in Colombia.» En: Fuentes el Reventon Energetico 20.1 (2022). ISSN: 21458502. DOI: 10.18273/revfue.v20n1-2022005.Juan Manuel Gimenez Alvarez y Juan Carlos Gómez Targarona. «Generación eólica empleando distintos tipos de generadores considerando su impacto en el sistema de potencia ». En: DYNA (Colombia) 78.169 (2011). ISSN: 00127353.Ahmad Murtaza Ershad, Robert J. Brecha y Kevin Hallinan. «Analysis of solar photovoltaic and wind power potential in Afghanistan». En: Renewable Energy 85 (2016). ISSN: 18790682. DOI: 10.1016/j.renene.2015.06.067Ramadoni Syahputra, Kunnu Purwanto e Indah Soesanti. «Performance investigation of standalone wind power system equipped with sinusoidal PWM power inverter for household consumer in rural areas of Indonesia». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/j.egyr.2022.03.145.K. C.S. Kwok y Gang Hu. «Wind energy system for buildings in an urban environment». En: Journal ofWind Engineering and Industrial Aerodynamics 234 (2023). ISSN: 01676105. DOI: 10.1016/j.jweia.2023.105349Wenxin Wang et al. «Correlation analysis of three-parameter Weibull distribution parameters with wind energy characteristics in a semi-urban environment». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/j.egyr.2022.06.043A. K. Azad et al. «Analysis of Wind Energy Prospect for Power Generation by Three Weibull Distribution Methods». En: Energy Procedia. Vol. 75. 2015. DOI: 10.1016/j. egypro.2015.07.499Keith Sunderland et al. «Small wind turbines in turbulent (urban) environments: A consideration of normal andWeibull distributions for power prediction». En: Journal of Wind Engineering and Industrial Aerodynamics 121 (2013). ISSN: 01676105. DOI: 10.1016/j. jweia.2013.08.001.Jin ning Shan et al. «Research on short-term power prediction of wind power generation based on WT-CABC-KELM». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/ j.egyr.2022.09.165A. K. Azad et al. «Analysis of wind energy conversion system using Weibull distribution ». En: Procedia Engineering. Vol. 90. 2014. DOI: 10.1016/j.proeng.2014.11.803.José Antonio Guarienti et al. «Performance analysis of numerical methods for determiningWeibull distribution parameters applied to wind speed in Mato Grosso do Sul, Brazil ». En: Sustainable Energy Technologies and Assessments 42 (2020). ISSN: 22131388. DOI: 10.1016/j.seta.2020.100854Ligai Kang et al. Performance indices review of the current integrated energy system: From history and projects in China. 2022. DOI: 10.1016/j.seta.2022.102785.Abdelgalil Eltayesh et al. «Aerodynamic upgrades of a Darrieus vertical axis small wind turbine». En: Energy for Sustainable Development 73 (2023). ISSN: 23524669. DOI: 10.1016/ j.esd.2023.01.018H. A. Porto, C. A. Fortulan y A. J.V. Porto. Power performance of starting-improved and multibladed horizontal-axis small wind turbines. 2022. DOI: 10.1016/j.seta.2022.102341.Tabbi Wilberforce et al. «Wind turbine concepts for domestic wind power generation at low wind quality sites». En: Journal of Cleaner Production 394 (2023). ISSN: 09596526. DOI: 10.1016/j.jclepro.2023.136137L. Battisti et al. «Small wind turbine effectiveness in the urban environment». En: Renewable Energy 129 (2018). ISSN: 18790682. DOI: 10.1016/j.renene.2018.05.062.Yingchao Dong et al. «Wind power forecasting based on stacking ensemble model, decomposition and intelligent optimization algorithm». En: Neurocomputing 462 (2021). ISSN: 18728286. DOI: 10.1016/j.neucom.2021.07.084Kejun Wang et al. «Deep belief network based k-means cluster approach for short-term wind power forecasting». En: Energy 165 (2018). ISSN: 03605442. DOI: 10 . 1016 / j . energy.2018.09.118Lei Dong et al. Wind power day-ahead prediction with cluster analysis of NWP. 2016. DOI: 10.1016/j.rser.2016.01.106S. H. Pishgar-Komleh, A. Keyhani y P. Sefeedpari. Wind speed and power density analysis based onWeibull and Rayleigh distributions (a case study: Firouzkooh county of Iran). 2015. DOI: 10.1016/j.rser.2014.10.028M. R. Islam, R. Saidur y N. A. Rahim. «Assessment of wind energy potentiality at Kudat and Labuan, Malaysia using Weibull distribution function». En: Energy 36.2 (2011). ISSN: 03605442. DOI: 10.1016/j.energy.2010.12.011Julian C. Aririguzo y Ekwe B. Ekwe. «Weibull distribution analysis of wind energy prospect for Umudike, Nigeria for power generation». En: Robotics and Computer-Integrated Manufacturing 55 (2019). ISSN: 07365845. DOI: 10.1016/j.rcim.2018.01.001Shahnawaz Farhan Khahro et al. «Evaluation of wind power production prospective and Weibull parameter estimation methods for Babaurband, Sindh Pakistan». En: Energy Conversion and Management 78 (2014). ISSN: 01968904. DOI: 10.1016/j.enconman.2013. 06.062Luis Milla Lostaunau y Universidad Nacional Mayor de San Marcos. «Energía Eólica: Alternativa Energética Viable». En: Electrónica - UNMSM 0 (20 2007). ISSN: 1609-9087Wenxin Wang et al. «A study of function-based wind profiles based on least squares method: A case in the suburbs of Hohhot». En: Energy Reports 8 (2022). ISSN: 23524847. DOI: 10.1016/j.egyr.2022.03.008.Modelos de dispersión y distribución de contaminantes en el ambiente. 2023. DOI: 10.35537/ 10915/149176Prem Kumar Chaurasiya, Siraj Ahmed y Vilas Warudkar. «Study of different parameters estimation methods of Weibull distribution to determine wind power density using ground based Doppler SODAR instrument». En: Alexandria Engineering Journal 57 (4 2018). ISSN: 11100168. DOI: 10.1016/j.aej.2017.08.008Vladislovas Katinas, Giedrius Gecevicius y Mantas Marciukaitis. «An investigation of wind power density distribution at location with lowand high wind speeds using statistical model». En: Applied Energy 218 (2018). ISSN: 03062619. DOI: 10.1016/j.apenergy. 2018.02.163.Jed Mohamed El Hacen et al. «Performance analysis of micro-amorphe silicon PV array under actual climatic conditions in Nouakchott, Mauritania». En: 2019 10th International Renewable Energy Congress, IREC 2019. 2019. DOI: 10.1109/IREC.2019.8754599.Carolina Alejandra Córdova Molina. «Estudio de factibilidad técnico-económica para instalar una planta de compostaje, utilizando desechos vegetales urbanos». En: Universidad De Chile (2006).W. Yossri, S. Ben Ayed y A. Abdelkefi. «Evaluation of the efficiency of bioinspired blade designs for low-speed small-scale wind turbines with the presence of inflow turbulence effects». En: Energy 273 (2023). ISSN: 03605442. DOI: 10.1016/j.energy.2023. 127210.Amir Bashirzadeh Tabrizi et al. «Extent to which international wind turbine design standard, IEC61400-2 is valid for a rooftop wind installation». En: Journal of Wind Engineering and Industrial Aerodynamics 139 (2015). ISSN: 01676105. DOI: 10.1016/j.jweia.2015. 01.006.Lijun Zhang et al. «A method of reducing the radial load of the shaft of a vertical axis wind turbine based on movable mass blocks». En: Renewable Energy 175 (2021). ISSN: 18790682. DOI: 10.1016/j.renene.2021.05.012Carlos Roberto Martínez Martínez. «Prototipo de un generador eólico doméstico con materiales asequibles en El Salvador». En: Producción Agropecuaria y Desarrollo Sostenible 3 (2015). ISSN: 2305-1744. DOI: 10.5377/payds.v3i0.3974.L. N. Azadani. Vertical axis wind turbines in cluster configurations. 2023. DOI: 10.1016/j. oceaneng.2023.113855M. H. Mohamed. «Performance investigation of H-rotor Darrieus turbine with new airfoil shapes». En: Energy 47.1 (2012). ISSN: 03605442. DOI: 10.1016/j.energy.2012.08. 044.T. Zhao et al. «Variation of energy utilization efficiency with respect to inlet wind speed for eight-blade modified Savonius rotor by CFD approach». En: International Journal of Green Energy 16.14 (2019). ISSN: 15435083. DOI: 10.1080/15435075.2019.1671404.Maysaa Rizk y Karim Nasr. «Computational Fluid Dynamics Investigations Over Conventional and Modified Savonius Wind Turbines». En: SSRN Electronic Journal (2022). DOI: 10.2139/ssrn.4225300Atul Gautam, Vilas Warudkar y J. L. Bhagoria. «Comparison of Weibull parameter estimation methods using LiDAR and mast wind data in an Indian offshore site: The Gulf of Khambhat». En: Ocean Engineering 266 (2022). ISSN: 00298018. DOI: 10 . 1016 / j . oceaneng.2022.112927Dalwinder Singh y Birmohan Singh. «Investigating the impact of data normalization on classification performance». En: Applied Soft Computing 97 (2020). ISSN: 15684946. DOI: 10.1016/j.asoc.2019.105524Abiodun M. Ikotun et al. «K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data». En: Information Sciences 622 (2023). ISSN: 00200255. DOI: 10.1016/j.ins.2022.11.139.Muhammad Sinan et al. «Advances in numerical simulation with a clustering method based on K–means algorithm and Adams Bashforth scheme for fractional order laser chaotic system». En: Alexandria Engineering Journal 75 (2023), págs. 165-179. ISSN: 1110- 0168. DOI: https://doi.org/10.1016/j.aej.2023.05.080. URL: https: //www.sciencedirect.com/science/article/pii/S1110016823004489.Ashutosh Karna y Karina Gibert. «Automatic identification of the number of clusters in hierarchical clustering». En: Neural Computing and Applications 34.1 (2022). ISSN: 14333058. DOI: 10.1007/s00521-021-05873-3.Abdelilah Et-Taleby, Mohammed Boussetta y Mohamed Benslimane. «Faults detection for photovoltaic field based on k-means, elbow, and average silhouette techniques through the segmentation of a thermal image». En: International Journal of Photoenergy 2020 (2020). ISSN: 1687529X. DOI: 10.1155/2020/6617597.Felipe Romano Damas Nogueira et al. «Dor muscular e atividade de creatina quinase após ações excêntricas: uma análise de cluster». En: Revista Brasileira de Medicina do Esporte 20.4 (2014). DOI: 10.1590/1517-86922014200401786.URL: http://ideam.gov.co/documents/290086/75945771/SKBO/798acf32- 7f48-4bce-ad39-855c2c58dd3e.Seunghyun Cheon et al. «Finding the most suitable vehicle type for projected years using analytic hierarchy process integrated with economic and environmental aspects». En: Journal of Cleaner Production 426 (2023), pág. 139075. ISSN: 0959-6526. DOI: https://doi.Model Name et al. «Taizhou Sunnily New Ener g y Technolo g y Co ., Ltd 100W Wind Turbine Specifications X-300 Description : - Silent & Vibration Free - Light & Compact - Perfect for Small Appliances». En: ().“FLTXNY 200w 24v 12v helix vertical wind turbine generator FS-200”, https://www.flytpower.com/. [En línea]. Disponible en: https://www.flytpower.com/fltxny-200w-24v-12v-helix-vertical-windturbine- generator-fs-200-product/. [Consultado: 08-oct-2023].Nils H. Reich et al. «Performance ratio revisited: Is PR > 90% realistic?» En: 20.6 (2012). ISSN: 10627995. DOI: 10.1002/pip.1219.THUMBNAIL2024cartaderechosdeautor.pdf.jpg2024cartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7669https://repository.usta.edu.co/bitstream/11634/54787/6/2024cartaderechosdeautor.pdf.jpgb51b7bd0efb56e74eb648eca95b65ff9MD56open access2024cartadefacultad.pdf.jpg2024cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg6596https://repository.usta.edu.co/bitstream/11634/54787/7/2024cartadefacultad.pdf.jpge9365d45ea7dcbdddc9d317565929019MD57open access2024mariacajamarca.pdf.jpg2024mariacajamarca.pdf.jpgIM Thumbnailimage/jpeg7145https://repository.usta.edu.co/bitstream/11634/54787/8/2024mariacajamarca.pdf.jpg33fbbac9a95c15c854c9572c483d63a3MD58open accessORIGINAL2024cartaderechosdeautor.pdf2024cartaderechosdeautor.pdfapplication/pdf909352https://repository.usta.edu.co/bitstream/11634/54787/1/2024cartaderechosdeautor.pdf58b51b2dc246460e21447d8223e83989MD51metadata only access2024cartadefacultad.pdf2024cartadefacultad.pdfapplication/pdf339817https://repository.usta.edu.co/bitstream/11634/54787/2/2024cartadefacultad.pdf76ecac539fabb6788794f1f28916bbe8MD52metadata only access2024mariacajamarca.pdf2024mariacajamarca.pdfapplication/pdf1799081https://repository.usta.edu.co/bitstream/11634/54787/3/2024mariacajamarca.pdf0a8d2718efd9d0cf274dfcba9f61343cMD53open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/54787/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/54787/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open access11634/54787oai:repository.usta.edu.co:11634/547872024-04-23 03:08:18.507metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.coQXV0b3Jpem8gYWwgQ2VudHJvIGRlIFJlY3Vyc29zIHBhcmEgZWwgQXByZW5kaXphamUgeSBsYSBJbnZlc3RpZ2FjacOzbiwgQ1JBSS1VU1RBCmRlIGxhIFVuaXZlcnNpZGFkIFNhbnRvIFRvbcOhcywgcGFyYSBxdWUgY29uIGZpbmVzIGFjYWTDqW1pY29zIGFsbWFjZW5lIGxhCmluZm9ybWFjacOzbiBpbmdyZXNhZGEgcHJldmlhbWVudGUuCgpTZSBwZXJtaXRlIGxhIGNvbnN1bHRhLCByZXByb2R1Y2Npw7NuIHBhcmNpYWwsIHRvdGFsIG8gY2FtYmlvIGRlIGZvcm1hdG8gY29uCmZpbmVzIGRlIGNvbnNlcnZhY2nDs24sIGEgbG9zIHVzdWFyaW9zIGludGVyZXNhZG9zIGVuIGVsIGNvbnRlbmlkbyBkZSBlc3RlCnRyYWJham8sIHBhcmEgdG9kb3MgbG9zIHVzb3MgcXVlIHRlbmdhbiBmaW5hbGlkYWQgYWNhZMOpbWljYSwgc2llbXByZSB5IGN1YW5kbwptZWRpYW50ZSBsYSBjb3JyZXNwb25kaWVudGUgY2l0YSBiaWJsaW9ncsOhZmljYSBzZSBsZSBkw6kgY3LDqWRpdG8gYWwgdHJhYmFqbyBkZQpncmFkbyB5IGEgc3UgYXV0b3IuIERlIGNvbmZvcm1pZGFkIGNvbiBsbyBlc3RhYmxlY2lkbyBlbiBlbCBhcnTDrWN1bG8gMzAgZGUgbGEKTGV5IDIzIGRlIDE5ODIgeSBlbCBhcnTDrWN1bG8gMTEgZGUgbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5Mywg4oCcTG9zIGRlcmVjaG9zCm1vcmFsZXMgc29icmUgZWwgdHJhYmFqbyBzb24gcHJvcGllZGFkIGRlIGxvcyBhdXRvcmVz4oCdLCBsb3MgY3VhbGVzIHNvbgppcnJlbnVuY2lhYmxlcywgaW1wcmVzY3JpcHRpYmxlcywgaW5lbWJhcmdhYmxlcyBlIGluYWxpZW5hYmxlcy4K

Estudio de Prefactibilidad de un Sistema Eólico Mediante Técnicas de Ciencia de Datos en la Ciudad de Bogotá

Publicaciones similares