Big Data Analysis application in the renewable energy market: wind power
| dc.contributor.advisor | Casares Long, Juan José | |
| dc.contributor.advisor | Souto González, José Antonio | |
| dc.contributor.affiliation | Universidade de Santiago de Compostela. Escola de Doutoramento Internacional (EDIUS) | |
| dc.contributor.author | Bastani, Hamid | |
| dc.date.accessioned | 2021-12-16T12:36:56Z | |
| dc.date.available | 2021-12-16T12:36:56Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Entre as enerxías renovables, a enerxía eólica e unha das tecnoloxías mundiais de rápido crecemento. Non obstante, esta incerteza debería minimizarse para programar e xestionar mellor os activos de xeración tradicionais para compensar a falta de electricidade nas redes electricas. A aparición de técnicas baseadas en datos ou aprendizaxe automática deu a capacidade de proporcionar predicións espaciais e temporais de alta resolución da velocidade e potencia do vento. Neste traballo desenvólvense tres modelos diferentes de ANN, abordando tres grandes problemas na predición de series de datos con esta técnica: garantía de calidade de datos e imputación de datos non válidos, asignación de hiperparámetros e selección de funcións. Os modelos desenvolvidos baséanse en técnicas de agrupación, optimización e procesamento de sinais para proporcionar predicións de velocidade e potencia do vento a curto e medio prazo (de minutos a horas). | gl |
| dc.description.programa | Universidade de Santiago de Compostela. Programa de Doutoramento en Enerxías Renovables e Sustentabilidade Enerxética | |
| dc.identifier.uri | http://hdl.handle.net/10347/27211 | |
| dc.language.iso | eng | gl |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | |
| dc.rights.accessRights | open access | gl |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Wind speed | gl |
| dc.subject | wind power | gl |
| dc.subject | forecasting | gl |
| dc.subject | machine learning | gl |
| dc.subject | neural networks | gl |
| dc.subject.classification | Materias::Investigación::33 Ciencias tecnológicas::3322 Tecnología energética::332205 Fuentes no convencionales de energía | gl |
| dc.subject.classification | Materias::Investigación::33 Ciencias tecnológicas::3322 Tecnología energética::332203 Generadores de energía | gl |
| dc.title | Big Data Analysis application in the renewable energy market: wind power | gl |
| dc.type | doctoral thesis | gl |
| dspace.entity.type | Publication | |
| relation.isAdvisorOfPublication | edc3711f-0419-482a-810e-d9a258119f29 | |
| relation.isAdvisorOfPublication | 58d31fdb-ccde-4d0d-8a12-1227d0e47608 | |
| relation.isAdvisorOfPublication.latestForDiscovery | edc3711f-0419-482a-810e-d9a258119f29 |
Files
Original bundle
1 - 1 of 1