Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022

Descripción del Articulo

Para poder usar la energía eólica es importante conocer los valores a futuros de la velocidad del viento, es por ello que la investigación pronosticó la velocidad del viento, empleando redes neuronales artificiales en los diferentes horizontes temporales, los datos fueron brindados por el Servicio N...

Descripción completa

Detalles Bibliográficos
Autor: Perez Lucas, Edson Adrian
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad Cesar Vallejo
Repositorio:UCV-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ucv.edu.pe:20.500.12692/132040
Enlace del recurso:https://hdl.handle.net/20.500.12692/132040
Nivel de acceso:acceso abierto
Materia:Red neuronal artificia
Horizontes temporales
Data de entrenamiento
https://purl.org/pe-repo/ocde/ford#2.07.00
id UCVV_97ae0e1328e21e455fedfeaa9ee30e47
oai_identifier_str oai:repositorio.ucv.edu.pe:20.500.12692/132040
network_acronym_str UCVV
network_name_str UCV-Institucional
repository_id_str 3741
dc.title.es_PE.fl_str_mv Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
title Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
spellingShingle Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
Perez Lucas, Edson Adrian
Red neuronal artificia
Horizontes temporales
Data de entrenamiento
https://purl.org/pe-repo/ocde/ford#2.07.00
title_short Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
title_full Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
title_fullStr Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
title_full_unstemmed Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
title_sort Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022
author Perez Lucas, Edson Adrian
author_facet Perez Lucas, Edson Adrian
author_role author
dc.contributor.advisor.fl_str_mv Jave Nakayo, Jorge Leonardo
dc.contributor.author.fl_str_mv Perez Lucas, Edson Adrian
dc.subject.es_PE.fl_str_mv Red neuronal artificia
Horizontes temporales
Data de entrenamiento
topic Red neuronal artificia
Horizontes temporales
Data de entrenamiento
https://purl.org/pe-repo/ocde/ford#2.07.00
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.07.00
description Para poder usar la energía eólica es importante conocer los valores a futuros de la velocidad del viento, es por ello que la investigación pronosticó la velocidad del viento, empleando redes neuronales artificiales en los diferentes horizontes temporales, los datos fueron brindados por el Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI), de la estación meteorológica Matapalo ubicado en el departamento de Tumbes. Los datos de la estación fueron ordenados con el programa Microsoft Excel, se encontraron datos incompletos, se empleó el método Missing para imputar los datos faltantes. Los datos imputados se dividen en 70% data de entrenamiento y el 30% restante en data de testeo las cuales fueron ingresados a la red neuronal artificial (ANN) en grupos de corto plazo (horas), mediano plazo (meses) y largos plazo (año). Con la red neuronal entrenada, se logró una mayor eficiencia cuando se trabajó con 32 nodos, un error cuadrático medio de 0.13 en la data de entrenamiento y 0.76 para la data de testeo a corto plazo, mientras que a mediano plazo se obtuvo una eficiencia con 32 nodos o capas ocultas 0.06 en la data de entrenamiento y 0.22 para la data de testeo a mediano plazo. Con esta misma red se pronosticó para los años 2022 y 2023 en los diferentes horizontes, arrojando valores de velocidad del viento que oscilan entre 0.09 m/s y 2.84 m/s para el periodo de corto plazo, para los promedios mensuales a mediano plazo la velocidad del viento oscila entre 0.75 m/s y 1.42 m/s y para largo plazo la velocidad del viento oscila entre 0.85 m/s y 0.88 m/s.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2024-01-31T16:41:33Z
dc.date.available.none.fl_str_mv 2024-01-31T16:41:33Z
dc.date.issued.fl_str_mv 2022
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12692/132040
url https://hdl.handle.net/20.500.12692/132040
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad César Vallejo
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - UCV
Universidad César Vallejo
dc.source.none.fl_str_mv reponame:UCV-Institucional
instname:Universidad Cesar Vallejo
instacron:UCV
instname_str Universidad Cesar Vallejo
instacron_str UCV
institution UCV
reponame_str UCV-Institucional
collection UCV-Institucional
bitstream.url.fl_str_mv https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/1/Perez_LEA-SD.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/2/Perez_LEA-IT.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/3/Perez_LEA.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/4/license.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/5/Perez_LEA-SD.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/7/Perez_LEA-IT.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/9/Perez_LEA.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/6/Perez_LEA-SD.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/8/Perez_LEA-IT.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/10/Perez_LEA.pdf.jpg
bitstream.checksum.fl_str_mv ab0f1c397150f4253067c3b74c667520
c232eaadc6e15112b6fed5c31340521b
a136d239d48632232002c1c4ef41eace
8a4605be74aa9ea9d79846c1fba20a33
34657f3d05735b6bb0da2050b541ef65
08199fd5f12f4ed09f018273a762b705
1059a80400a1631977e0cd56cb84470b
da772a8a347e2a1dc7117e00f4487647
36a39c9b2e18a617ef12b7c0a6693afe
da772a8a347e2a1dc7117e00f4487647
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad César Vallejo
repository.mail.fl_str_mv repositorio@ucv.edu.pe
_version_ 1861810931442384896
spelling Jave Nakayo, Jorge LeonardoPerez Lucas, Edson Adrian2024-01-31T16:41:33Z2024-01-31T16:41:33Z2022https://hdl.handle.net/20.500.12692/132040Para poder usar la energía eólica es importante conocer los valores a futuros de la velocidad del viento, es por ello que la investigación pronosticó la velocidad del viento, empleando redes neuronales artificiales en los diferentes horizontes temporales, los datos fueron brindados por el Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI), de la estación meteorológica Matapalo ubicado en el departamento de Tumbes. Los datos de la estación fueron ordenados con el programa Microsoft Excel, se encontraron datos incompletos, se empleó el método Missing para imputar los datos faltantes. Los datos imputados se dividen en 70% data de entrenamiento y el 30% restante en data de testeo las cuales fueron ingresados a la red neuronal artificial (ANN) en grupos de corto plazo (horas), mediano plazo (meses) y largos plazo (año). Con la red neuronal entrenada, se logró una mayor eficiencia cuando se trabajó con 32 nodos, un error cuadrático medio de 0.13 en la data de entrenamiento y 0.76 para la data de testeo a corto plazo, mientras que a mediano plazo se obtuvo una eficiencia con 32 nodos o capas ocultas 0.06 en la data de entrenamiento y 0.22 para la data de testeo a mediano plazo. Con esta misma red se pronosticó para los años 2022 y 2023 en los diferentes horizontes, arrojando valores de velocidad del viento que oscilan entre 0.09 m/s y 2.84 m/s para el periodo de corto plazo, para los promedios mensuales a mediano plazo la velocidad del viento oscila entre 0.75 m/s y 1.42 m/s y para largo plazo la velocidad del viento oscila entre 0.85 m/s y 0.88 m/s.Lima NorteEscuela de Ingeniería AmbientalCalidad y Gestión de los Recursos NaturalesDesarrollo sostenible, emprendimientos y responsabilidad social.Desarrollo económico, empleo y emprendimientoEnergía asequible y no contaminanteapplication/pdfspaUniversidad César VallejoPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UCVUniversidad César Vallejoreponame:UCV-Institucionalinstname:Universidad Cesar Vallejoinstacron:UCVRed neuronal artificiaHorizontes temporalesData de entrenamientohttps://purl.org/pe-repo/ocde/ford#2.07.00Pronóstico de la velocidad del viento para la producción de energía eólica en horizontes temporales utilizando redes neuronales en Tumbes - 2022info:eu-repo/semantics/bachelorThesisSUNEDUIngeniería AmbientalUniversidad César Vallejo. Facultad de Ingeniería y ArquitecturaIngeniero Ambiental01066653https://orcid.org/0000-0003-3536-881X75279548521066Benites Alfaro, Elmer GonzalesCastañeda Olivera, Carlos AlbertoJave Nakayo, Jorge Leonardohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALPerez_LEA-SD.pdfPerez_LEA-SD.pdfapplication/pdf1840567https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/1/Perez_LEA-SD.pdfab0f1c397150f4253067c3b74c667520MD51Perez_LEA-IT.pdfPerez_LEA-IT.pdfapplication/pdf10963786https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/2/Perez_LEA-IT.pdfc232eaadc6e15112b6fed5c31340521bMD52Perez_LEA.pdfPerez_LEA.pdfapplication/pdf1880473https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/3/Perez_LEA.pdfa136d239d48632232002c1c4ef41eaceMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54TEXTPerez_LEA-SD.pdf.txtPerez_LEA-SD.pdf.txtExtracted texttext/plain118785https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/5/Perez_LEA-SD.pdf.txt34657f3d05735b6bb0da2050b541ef65MD55Perez_LEA-IT.pdf.txtPerez_LEA-IT.pdf.txtExtracted texttext/plain3787https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/7/Perez_LEA-IT.pdf.txt08199fd5f12f4ed09f018273a762b705MD57Perez_LEA.pdf.txtPerez_LEA.pdf.txtExtracted texttext/plain123861https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/9/Perez_LEA.pdf.txt1059a80400a1631977e0cd56cb84470bMD59THUMBNAILPerez_LEA-SD.pdf.jpgPerez_LEA-SD.pdf.jpgGenerated Thumbnailimage/jpeg4375https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/6/Perez_LEA-SD.pdf.jpgda772a8a347e2a1dc7117e00f4487647MD56Perez_LEA-IT.pdf.jpgPerez_LEA-IT.pdf.jpgGenerated Thumbnailimage/jpeg6297https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/8/Perez_LEA-IT.pdf.jpg36a39c9b2e18a617ef12b7c0a6693afeMD58Perez_LEA.pdf.jpgPerez_LEA.pdf.jpgGenerated Thumbnailimage/jpeg4375https://repositorio.ucv.edu.pe/bitstream/20.500.12692/132040/10/Perez_LEA.pdf.jpgda772a8a347e2a1dc7117e00f4487647MD51020.500.12692/132040oai:repositorio.ucv.edu.pe:20.500.12692/1320402024-01-31 22:20:33.553Repositorio de la Universidad César Vallejorepositorio@ucv.edu.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
score 13.922664
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).