Predicción de la potencia en una turbina vestas v52 mediante regresión polinomial y una red neuronal

Abstract

En el presente trabajo se desarrolló un modelo polinomial y red neuronal para predecir el desempeño de un aerogenerador está ubicado en el campus del Instituto de Tecnología de Dundalk (DkIT) en Irlanda. Datos experimentales en operación del aerogenerador fueron utilizados, correspondientes a registros en promedio de diez minutos adquiridos entre enero de 2006 y marzo de 2020. Las variables de entrada incluyeron principalmente parámetros operativos relevantes de la turbina y factores ambientales disponibles en los datos SCADA (Supervisory Control and Data Acquisition). Los modelos fueron implementados, entrenados y validados en MATLAB empleando los datos registrados. El desempeño de los modelos fue evaluado mediante métricas estadísticas como el coeficiente de determinación (R²) y el error cuadrático medio (RMSE). Los resultados mostraron que ambos enfoques permiten estimar la potencia generada con un nivel adecuado de precisión, sin embargo, la red neuronal artificial con función de activación ReLU presentó bondad en el ajuste a los datos reales, reflejado en valores superiores de R² y menores valores de RMSE, no obstante, el modelo de regresión polinomial destaca por su practicidad operativa, facilitando el cálculo de la potencia sin necesidad de costo computacional. Ambos modelos se establecen como herramientas eficaces para el análisis del rendimiento energético de aerogeneradores Vestas V52 sometidos a operaciones normales de funcionamiento.