Pronóstico de la velocidad del viento utilizando modelos Arima y redes neuronales artificiales

Abstract

Mexico has a large wind power potential in the Isthmus of Tehuantepec is estimated that could be installed more than 6,000 MW. Other sites with high wind potential are located in Baja California, Zacatecas, Hidalgo, Veracruz, Sinaloa and Yucatan. Government institutions such as the Federal Electricity Commission (CFE) and the Institute of Electrical Research (IIE) study these sites with great energy potential and develop projects for the exploitation of wind energy. To plan for the exploitation of wind energy efficiently in our country, it is necessary to implement techniques for time series analysis as tools for forecasting wind speed. There are several techniques for time series forecasting, the ARIMA methodology (Autorregresive Integrated Moving Average) and Neural Networks (ANN) have great applications in time series forecasting. This paper seeks to compare these techniques to forecast wind speed in the short term. Some authors claim that the Box-Jenkins methodology (ARIMA) outperforms neural networks in short-term prognosis. Data were provided on a time by Commission Federal de Electricidad (CFE) in the region of the Isthmus of Tehuantepec, Oaxaca.

México cuenta con un gran potencial eólico, en el Istmo de Tehuantepec se estima que se podrían instalar más de 6,000 MW eólicos. Otros sitios con gran potencial eólico están localizados en Baja California, Zacatecas, Hidalgo, Veracruz, Sinaloa y Yucatán. Instituciones gubernamentales como Comisión Federal de Electricidad (CFE) y el Instituto de Investigaciones Eléctricas (IIE), estudian estos sitios con gran potencial energético y desarrollan proyectos para la explotación de la energía eólica. Para poder hacer una planeación de la explotación de la energía eólica de manera eficiente en nuestro país, es necesario implementar técnicas para el análisis de series de tiempo como herramientas para el pronóstico de la velocidad del viento. Hay varias técnicas para hacer pronóstico de series de tiempo, la metodología ARIMA (Autorregresive Integrated Moving Average) y las Redes Neuronales Artificiales (RNA) han tenido grandes aplicaciones en el pronóstico de series de tiempo. En este trabajo se pretende comparar estas técnicas para el pronóstico de la velocidad del viento a corto plazo. Algunos autores afirman que la metodología Box-Jenkins (ARIMA) supera a las redes neuronales en el pronóstico a corto plazo. Los datos fueron proporcionados de manera horaria por Comisión Federal de Electricidad (CFE) de la región del Istmo de Tehuantepec, Oaxaca.