Predicción del nivel de agua del embalse, basado en redes neuronales, para la mejora de la planificación de producción de energía en la Central Hidroeléctrica Agoyán.
El objetivo de la investigación fue predecir el caudal futuro del rio Pastaza, para determinar el nivel de embalse de la presa, a fin de planificar la producción de energía eléctrica en la central hidroeléctrica Agoyán. Se utilizó los datos históricos de caudal, nivel y potencia activa; comprendidos d...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2017 |
| País: | Ecuador |
| Recursos: | Escuela Superior Politécnica de Chimborazo |
| Repositorio: | Repositorio Escuela Superior Politécnica de Chimborazo |
| Idioma: | español |
| OAI Identifier: | oai:dspace.espoch.edu.ec:123456789/6159 |
| Acesso em linha: | http://dspace.espoch.edu.ec/handle/123456789/6159 |
| Access Level: | acceso abierto |
| Palavra-chave: | TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA CONTROL AUTOMÁTICO SERIES TEMPORALES REDES NEURONALES ARTIFICIALES (RNA) PREDICTOR CENTRAL HIDROELÉCTRICA PYTHON (SOFTWARE) NEUROLAB (SOFTWARE) |
| Resumo: | El objetivo de la investigación fue predecir el caudal futuro del rio Pastaza, para determinar el nivel de embalse de la presa, a fin de planificar la producción de energía eléctrica en la central hidroeléctrica Agoyán. Se utilizó los datos históricos de caudal, nivel y potencia activa; comprendidos desde el año 2005 hasta 2016. Se subió los datos al gestor de base de datos PostgreSQL © . Se escogió una muestra no probabilista a la que se aplicó un filtrado de datos, una división por temporadas climáticas y una transformación logarítmica. Se creó una plataforma de software con el lenguaje Python © , que permitió el entrenamiento de redes neuronales artificiales basados en la librería NeuroLab y el algoritmo Broyden–Fletcher–Goldfarb–Shanno (BFGS). Se implementó dentro de la plataforma los algoritmos de predicción de caudal y modelado de la presa, así como las herramientas para la comprobación de efectividad de los modelos. Se sometió a prueba el sistema durante veinte y dos (22) días obteniéndose un RMSE promedio de 9.96 metros cúbicos por segundo, con un porcentaje de aciertos de 45.45%, para el predictor de caudal y un RMSE promedio de 0.2735 metros sobre el nivel del mar con un porcentaje de aciertos de 86.36%; en un umbral de ocho (8) horas de predicción. Se concluyó que el umbral de predicción alcanzado no afecta aún los índices de producción, por lo que se recomienda la implementación de estaciones meteorológicas en las cuencas de los ríos Chambo y Patate. |
|---|