descripción del resultado de investigación

REF.:
ENER_UAH_03
SECTOR
INDUSTRIAL
Medioambiente y Energía
INVESTIGADOR
José Antonio Portilla Figueras
DEPARTAMENTO
Teoría de la Señal y Comunicaciones
DATOS DE
CONTACTO
PÁGINA WEB
 + 34 91 885 66 80 + 34 91 885 66 90
@
[email protected]
Heurísticos Modernos de Optimización y Diseño
de Redes de Comunicaciones
DESCRIPCIÓN DEL RESULTADO DE INVESTIGACIÓN
TÍTULO
Técnicas de Soft Computing aplicadas a la predicción de viento para la generación
RESUMEN
El Grupo de Heurísticos Modernos de Optimización y Diseño de Redes de Comunicaciones de la
universidad española Universidad de Alcalá ofrece la utilización de técnicas de soft computing
modernas ampliamente contrastadas, para la obtención de sistemas automatizados que permitan
realizar la predicción de viento en parques eólicos y así reducir maximizar los beneficios asociados
a la producción de este tipo de energía. Los algoritmos ya han sido desarrollados y probados por lo
que se busca un cliente potencial.
DESCRIPCIÓN Y
CARACTERÍSTICAS FUNDAMENTALES
El Soft Computing es una de las más modernas ramas de investigación en inteligencia artificial. Entre
otros se centra en el diseño de sistemas inteligentes que pueden obtener y representar información
dada por series de datos de información, las cuales pueden ser inciertas, imprecisas y/o incompletas.
El uso de técnicas de soft computing para esta labor permite la obtención de soluciones mucho más
robustas al mismo tiempo que permiten reducir los costes temporales y económicos de su aplicación
a innumerables aplicaciones de la ciencia.
En nuestro grupo de investigación hemos centrado nuestra atención desde hace muchos años en
tres técnicas de soft computing de reciente configuración y estudio, como son: las redes neuronales,
las máquinas de vectores soporte y técnicas evolutivas. Las dos primeras son dos de las técnicas de
soft computing más importantes de los últimos años. La primera de ellas está basada en la
simulación del comportamiento del cerebro humano para el aprendizaje de eventos y la
reproducción de los mismos. La segunda está basada en modelos estadísticos complejos para la
búsqueda de modelos que respondan de manera más eficiente a variables externas futuras. Ambas
técnicas permiten el desarrollo de modelos de regresión basándose en datos de un muestreo del
proceso real a modelar, permitiendo de este modo reproducir o predecir aproximadamente los
efectos reales del mismo. La técnicas evolutivas por su parte permiten resolver problemas de
optimización complejos de una manera rápida eficiente. Entre otros, permiten realizar
modificaciones sobre los modelos de regresión anteriores para así mejorar sus prestaciones que no
podrían ser realizadas mediante técnicas clásicas de optimización.
Una de las aplicaciones más directas donde hemos utilizado este tipo de técnicas es la predicción de
viento en parques eólicos. Para ello, dadas una serie de variables del entorno del parque se pueden
construir modelos de regresión para la predicción del módulo de viento en cada uno de los
aerogeneradores de un determinado parque eólico. Estas variables pueden ser de carácter
constante en el tiempo, como por ejemplo la orografía del parque eólico; variables pasadas, como
la propia información de viento en los distintos aerogeneradores en periodos anuales anteriores al
de estudio; o predicciones de variables meteorológicas (viento, dirección de viento, temperatura,
etc) mediante modelos de predicción globales. Independizar la predicción de los niveles de viento
en cada uno de los aerogeneradores permite la evaluación de la potencia generada en el parque
eólico (debido a la relación casi directa entre ambas variables) no solo en condiciones de operación
normales donde todos los aerogeneradores permanecen a pleno rendimiento, sino también la
predicción de viento cuando uno o algunos de los aerogeneradores han de ser detenidos por
motivos de seguridad o de avería, sin que esto pueda ser motivo de alteraciones significativas en la
predicción. Por otra parte, una extensión en el uso de técnicas de soft computing ha permitido el
desarrollar sistemas de predicción compuestos por múltiples modelos de regresión basados en
múltiples modelos meteorológicos. Estos modelos se complementan mediante en uso de técnicas
de agrupación de redes, consiguiendo una mejora muy significativa del rendimiento de nuestros
sistemas respecto a la forma típica del uso de los modelos.
ASPECTOS INNOVADORES
Nuestras técnicas son novedosas al haberse realizado múltiples mejoras sobre el uso habitual de las
mismas, siendo esto demostrado por la múltiples publicaciones científicas obtenidas sobre las
mismas. Entre estas mejoras podemos destacar el uso de múltiples modelos meteorológicos y
múltiples modelos de regresión simultáneamente, así como nuevos métodos de entrenamiento de
estos sistemas.
PALABRAS CLAVE
Predicción de viento y técnicas de aprendizaje
DISCIPLINAS CIENTÍFICAS EN LAS QUE SE ENCUADRA EL RESULTADO DE
INVESTIGACIÓN
Tecnologías de la Información y las
Telecomunicaciones
Ciencias Biológicas
Agricultura y Recursos Marinos
Fabricación Industrial, tecnologías de los
Materiales y el Transporte
Industria de la Agroalimentación
Tecnologías Industriales
Medidas y estándares
Energía
Medioambiente y prevención de riesgos
Ciencias Físicas y Exactas
Socioeconomía
GRADO DE DESARROLLO DEL RESULTADO DE INVESTIGACIÓN
En fase de desarrollo
Desarrollada, lista para demostración
En el mercado
FUENTE DE FINANCIACIÓN DE LA INVESTIGACIÓN
Proyecto Europeo
Proyecto Regional
Proyecto Nacional
Financiación Privada
ASPECTOS COMERCIALES
VENTAJAS
COMPETITIVAS
Cualquier mejora en el uso de las tecnologías de energías renovables es beneficioso a nivel
medioambiental al permitir reducir el uso de otras tecnologías contaminantes. Pero además de ser
buena medioambientalmente es necesario que sea rentable para las empresas que la desarrollen.
Una de los principales inconvenientes que se encuentran estas empresas son las penalizaciones
económicas impuestas por los gobiernos por el error en la predicción de viento. Nuestras
herramientas de predicción pretenden reducir sus costes asociados.
ESTADO DE LA PROPIEDAD INDUSTRIAL E INTELECTUAL
Patente solicitada
Derechos exclusivos
Patente concedida
Secreto industrial
Software registrado
Copyright
COMENTARIOS
El grupo posee el secreto industrial de la tecnología
TIPO DE COLABORACIÓN SOLICITADA
Cooperación técnica
Acuerdo comercial con asistencia técnica
Acuerdo de joint venture
Acuerdo de licencia
Acuerdo de fabricación
COMENTARIOS
INFORMACIÓN ADICIONAL
DATOS DE CONTACTO OTRI
UNIVERSIDAD DE ALCALÁ-OFICINA DE TRANSFERENCIA
DE RESULTADOS DE INVESTIGACIÓN (OTRI)
 Edifício Politécnico
Campus Externo UAH
28871 Alcalá de Henares (Madrid)
 + 34 91 885 45 68 / 45 61
 + 34 91 885 48 46 
@
[email protected]