Descripción del proyecto
Para los productores de energía renovable, la precisión de la predicción eólica tiene un impacto directo en el coste de la producción de energía,Las empresas productoras deben presentar su oferta de generación para cada una de las sesiones del mercado eléctrico (OMIE), Debido a que el viento es un recurso no gestionable se producen desvíos entre las ofertas enviadas y las producciones reales, Estos desvíos se traducen en penalizaciones económicas, lo cual ocasiona un coste directo para el productor,El cálculo de las estimaciones de producción eléctrica, en el caso de los Parques Eólicos, dependen en buena parte de las previsiones de los datos meteorológicos utilizados (modelos de previsión), por lo que la calidad de la información y su tratamiento resultan de total importancia,En este entorno, el proyecto que se presenta en esta memoria pretende investigar y desarrollar una solución tecnológica de un motor inteligente como combinación algorítmica propia de alta precisión de los diversos modelos de predicción, para predecir y ajustar lo más posible la previsión meteorológica y estimar, con la menor desviación posible, la producción de energía de parques eólicos de cara a estos mercados diarios e intradiarios,Para realizar este desarrollo, contamos con las previsiones teóricas y producciones reales de un conjunto de 130 parques eólicos de Exus Partners, Gas Natural Fenosa Renovables y ENEL EGreen Power, entidades que apoyan el proyecto y muestran su interés por la eventual comercialización de soluciones derivadas del mismo, Para un periodo histórico de tres años, se estudiarán y analizarán los modelos de predicción meteorológica de las estaciones de Meteológica, Gnarum, CENER y del IIC Instituto de Ingeniería del Conocimiento y para cada una de las localizaciones de los Parques de estudio los datos reales meteorológicos, la predicción eléctrica estimada por cada Parque, la producción eléctrica real y las limitaciones reales del Parque (paradas, mantenimiento, incidencias, etc,),A partir de esos datos de entrada (señales) se realizará la homogenización de estos datos (uniformes, correctos y válidos) y el procesamiento de todos estos factores, analizando y estudiando su comportamiento, variaciones, desviaciones, errores y las correlaciones entre ellos, de forma que, posteriormente, mediante el desarrollo de algoritmos pre-programados en el motor, se pueda establecer qué modelo o modelos son los que mejor se ajustan a la realidad, con el menor error para cada localización, estacionalidad y hora del día del Parque, Este motor se realimentará continuamente con nuevos datos en tiempo real,Se realizará un prototipo que será probado e integrado en la plataforma tecnológica Energy Smart Generation de UNATEC y se realizarán las correspondientes pruebas de verificación en un muestreo representativo de los 130 parques del estudio,Son cinco líneas principales de investigación con las que se pretende cubrir este reto tecnológico:1, Motor de comparación de predictores,2, Creación de predictores virtuales como combinación de predictores, 3, Ponderación de la retroalimentación de las distintas variables,4, Incorporación a la predicción, de la generación de modelos digitales del terreno y superficie (MDT/MDS),5, Incorporación de opciones de agrupaciones de producción de parques en el motor de prediccionesSe prevé una duración de 18 meses para la ejecución del proyecto, en el que se identifican los siguientes hitos principales:- Hito 1: Requerimientos- Hito 2: Prototipo del Motor de Predictores- Hito 3: Motor de Predictores ValidadoY con un presupuesto total de proyecto de 560,791,62 euros