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]