Show simple item record

dc.contributor.authorEstévez Cabello, Lauraes-ES
dc.contributor.otherUniversidad Pontificia Comillas,es_ES
dc.date.accessioned2018-01-08T10:21:05Z
dc.date.availablees_ES
dc.date.issued2018es_ES
dc.identifier.urihttp://hdl.handle.net/11531/24786
dc.descriptionSince the recent unification of a large number of European electricity markets, the energy flows among them has become key for determining local market results. This project aims at analyizing the behavior of the energy exchanges between that countries, study them with different aggregation levels and looking for patterns among them, using machine learning techniques such as clustering.es_ES
dc.description.abstractTras la reciente unificación del Mercado Eléctrico Europeo, el análisis exhaustivo de las distintas variables eléctricas de cada país resulta determinante para los resultados de cada mercado a nivel local. Entre ellas, los intercambios de energía entre países tienen gran relevancia, ya que son un factor clave para poder determinar, por ejemplo, el precio horario en cada mercado. Este proyecto pretende analizar dichos intercambios, así como explicar su comportamiento y modos de funcionamiento durante un periodo concreto de tiempo, apoyándose en el uso de grafos, y de técnicas de clustering. En primer lugar, los grafos permiten visualizar el estado de una red de forma rápida y compacta, por lo que resultan de gran utilidad para ilustrar tanto el comportamiento real de los intercambios en instantes específicos de tiempo, como para condensar modos de funcionamiento concretos localizados durante el análisis. Para hacer uso de ellos en este problema concreto, este proyecto propone una metodología completa basada en grafos que permite hacer distintas agregaciones temporales y espaciales de nodos, aunando tanto distintos instantes de tiempo, como zonas geográficas semejantes, facilitando así la obtención de una visión general de la compleja situación europea. Por otro lado, el uso de técnicas de clustering permite determinar distintos patrones de comportamiento, y el estudio de la activación de los distintos clústers encontrados ayuda a explicar los cambios en las direcciones de los flujos producidos a distintas horas, o periodos del año, o las características eléctricas de cada uno de los modos de funcionamiento detectados. Finalmente, como caso estudio, se ha analizado el comportamiento de los flujos de energía durante el año 2016, definiendo su funcionamiento básico, determinando distintas etapas a lo largo del año con un comportamiento eléctrico similar, y detectando factores clave en la formación de distintos clústers, tales como la relación entre los nodos de Centroeuropa y los países Nórdicos, o la naturaleza importadora o exportadora de Francia.es-ES
dc.description.abstractAfter the recent unification of the European Electricity Market, making an exhaustive analysis of the different electrical variables of each country is decisive for the results of each market at the local level. The exchange of energy between countries is one of the more relevant variables, since they are a key factor to be able to determine, for example, the hourly price in each market. This project aims to analyze these exchanges, as well as explain their behaviour and operating modes during a specific period of time, using graphs and clustering techniques. First, graphs allow to see quickly and compactly the state of a network, so they are very useful to illustrate both the actual behaviour of exchanges at specific times and to summarize particular operating modes found during the analysis. In order to use them here, this project proposes a complete methodology based on graphs that allows different temporal and spatial aggregations of nodes, combining different moments of time, as well as similar geographic zones, thus procuring a general vision of the complex European situation. On the other hand, different behavioural patterns can be determined because of clustering techniques application. The study of the activation of the different clusters found helps to explain the changes in the direction of the flows at different hours, or periods of the year, or the electrical characteristics of each one of the detected operating modes. Finally, as a case study, the behaviour of energy cross-border flows during 2016 was developed, defining its basic operation, establishing also different stages with similar electrical behaviour throughout the year. Besides, key factors for the different clusters formation are found, such as the relationship between the nodes of Central Europe and the Nordic countries, or the importing or exporting nature of France.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoen-GBes_ES
dc.titleAnalysis of the European cross-border physical flows applying machine learning techniqueses_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsClustering, Mercado Eléctrico Europeo, grafos, intercambio eléctrico, Machine Learning, agrupación nodal espacio-temporal, Matlab.es-ES
dc.keywordsClustering, European Electricity Market, graphs, electrical exchange, Machine Learning, nodal spatial-temporal aggregation, Matlab.en-GB


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record