Show simple item record

dc.contributor.advisorALLENDE OLIVARES, HECTOR
dc.contributor.authorACEVEDO GONZALEZ, SEBASTIAN ENRIQUE
dc.contributor.otherVALLE VIDAL, CARLOS
dc.coverage.spatialCasa Central Valparaísoes_CL
dc.date.accessioned2020-12-08T23:10:35Z
dc.date.available2020-12-08T23:10:35Z
dc.date.issued2020-11
dc.identifier.urihttps://hdl.handle.net/11673/49700
dc.description.abstractLos problemas medioambientales que traen las energías tradicionales han llevado a la búsqueda de fuentes de energía limpias y renovables, entre las que la energía eólica destaca por su baja huella ambiental. Sin embargo, la naturaleza estocástica del viento pone un desafío en la integración de esta fuente de energía en el sistema eléctrico. En esta memoria se busca implementar un modelo para pronosticar la potencia eólica mediante redes convolucionales con mecanismos de atención, usando series de datos obtenidas de la operación de los parques eólicos Canela y El Totoral. Se compararán los resultados con otros métodos de Deep Learning del estado del arte y el método estadístico ARIMA, mostrando que el modelo propuesto presenta mejores resultados en el pronóstico de 1 a 12 horas.es_CL
dc.format.extent65 Hes_CL
dc.subjectDEEP LEARNINGes_CL
dc.subjectMECANISMOS DE ATENCIÓNes_CL
dc.subjectENERGÍA EÓLICAes_CL
dc.subject.otherINGENIERIA CIVIL INFORMATICAes_CL
dc.titleMECANISMOS DE ATENCIÓN EN REDES CONVOLUCIONALES PARA PRONÓSTICO DE POTENCIA EÓLICAes_CL
dc.typeTesis de Pregrado
dc.description.degreeINGENIERO CIVIL INFORMÁTICOes_CL
dc.contributor.departmentUniversidad Técnica Federico Santa María. Departamento de Informáticaes_CL
dc.description.programDEPARTAMENTO DE INFORMÁTICA. INGENIERÍA CIVIL INFORMÁTICAes_CL
dc.identifier.barcode190655245UTFSM.pdfes_CL


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record