Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/83380
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Muñoz San Roque, Antonio | es-ES |
dc.contributor.author | Santos Jiménez, Carlos de los | es-ES |
dc.contributor.other | Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI) | es_ES |
dc.date.accessioned | 2023-09-22T14:25:21Z | - |
dc.date.available | 2023-09-22T14:25:21Z | - |
dc.date.issued | 2024 | es_ES |
dc.identifier.uri | http://hdl.handle.net/11531/83380 | es_ES |
dc.description | Grado en Administración y Dirección de Empresas y Máster Universitario en Ingeniería de Telecomunicación | es_ES |
dc.description.abstract | El trabajo se centrará en la identificación, entrenamiento y comparación de modelos de machine learning para la predicción de potencia eólica en horizontes temporales de 1 a 9 horas de un parque eólico marino situado en el mar del Norte. Se hará uso tanto de datos obtenidos de los sensores de las turbinas como de predicciones meteorológicas. El objetivo es que el trabajo pueda servir de utilidad a los generadores de energía que acuden al mercado intradiario para corregir sus ofertas de generación realizadas 24 horas antes en el mercado diario. | es-ES |
dc.description.abstract | The work will focus on the identification, training and comparison of machine learning models for wind power prediction in time horizons from 1 to 9 hours for an offshore wind farm located in the North Sea. Use will be made of both data obtained from turbine sensors and weather forecasts. The aim is that the work can be useful to power generators who use the intraday market to correct their generation bids made 24 hours earlier in the day-ahead market. | en-GB |
dc.format.mimetype | application/pdf | es_ES |
dc.language.iso | es-ES | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | es_ES |
dc.subject.other | H67 (MIT) | es_ES |
dc.title | Aplicación de técnicas de Inteligencia Artificial al análisis de datos de parques eólicos marinos | es_ES |
dc.type | info:eu-repo/semantics/masterThesis | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.keywords | energía eólica, offshore, predicción, aprendizaje automático, NWP | es-ES |
dc.keywords | wind power, offshore, forecasting, machine learning, NWP | en-GB |
Aparece en las colecciones: | H67-Trabajos Fin de Máster |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TFM-De los Santos Jimenez, Carlos.pdf | Trabajo Fin de Máster | 4,07 MB | Adobe PDF | Visualizar/Abrir |
Autorizacion.pdf | Autorización | 86,39 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.