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.advisorMuñoz San Roque, Antonioes-ES
dc.contributor.authorSantos Jiménez, Carlos de loses-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2023-09-22T14:25:21Z-
dc.date.available2023-09-22T14:25:21Z-
dc.date.issued2024es_ES
dc.identifier.urihttp://hdl.handle.net/11531/83380es_ES
dc.descriptionGrado en Administración y Dirección de Empresas y Máster Universitario en Ingeniería de Telecomunicaciónes_ES
dc.description.abstractEl 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.abstractThe 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.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherH67 (MIT)es_ES
dc.titleAplicación de técnicas de Inteligencia Artificial al análisis de datos de parques eólicos marinoses_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsenergía eólica, offshore, predicción, aprendizaje automático, NWPes-ES
dc.keywordswind power, offshore, forecasting, machine learning, NWPen-GB
Aparece en las colecciones: H67-Trabajos Fin de Máster

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM-De los Santos Jimenez, Carlos.pdfTrabajo Fin de Máster4,07 MBAdobe PDFVista previa
Visualizar/Abrir
Autorizacion.pdfAutorización86,39 kBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.