Examinando por Autor "Martinez Perez, David"
Mostrando 1 - 2 de 2
- Resultados por página
- Opciones de ordenación
Ítem BUSINESS PLAN DEL ABOGADO VIRTUAL(Universidad Rey Juan Carlos, 2024-06-28) Martinez Perez, DavidUn análisis sobre la viabilidad del negocio de los abogados virtuales.Ítem PREDICCIÓN Y ANÁLISIS DE PRODUCCIONES EN LA GENERACIÓN DE ENERGÍA ELÉCTRICA EN PARQUES EÓLICOS(Universidad Rey Juan Carlos, 2024-03-14) Martinez Perez, DavidResumen La Predicción de la Producción de Energía Eólica (PPEE) representa un desafío crucial en la gestión de parques eólicos, donde la precisión de dicha predicción es vital para la optimización de la producción de energía renovable. Este Trabajo de Fin de Grado (TFG) se adentra en el complejo mundo de la PPEE en un parque eólico, empleando un enfoque integral que abarca el análisis de múltiples bases de datos interconectadas. Estas bases de datos incluyen información meteorológica detallada, datos relacionados con la red eléctrica y otros factores relevantes que influyen en la producción de energía eólica. Para llevar a cabo este estudio, se ha diseñado un sistema de predicción que utiliza técnicas avanzadas de modelado y análisis de datos. El objetivo principal es predecir con precisión la producción de energía eólica en función de variables clave, como la velocidad del viento, la dirección del viento, la temperatura, la humedad, la capacidad de la red eléctrica y otros factores relacionados. El modelo de predicción se ha construido mediante la aplicación de distintos algoritmos, incluyendo regresión lineal y bosques aleatorios. Estos algoritmos se entrenaron utilizando datos históricos recopilados cada 10 minutos de producción de energía eólica y los datos meteorológicos correspondientes. Además, se utilizaron técnicas de procesamiento de datos para limpiar y transformar los conjuntos de datos, garantizando así la calidad de las predicciones. Los resultados de este estudio indican que el modelo de predicción desarrollado tiene un alto grado de precisión, de hasta un 90% utilizando el modelo random forest regressor, en la estimación de la producción de energía eólica. Esto proporciona a los operadores de parques eólicos información valiosa para planificar y optimizar la generación de energía, mejorando la seguridad del suministro eléctrico, reduciendo los costes operativos y mejorando la eficiencia energética. Este trabajo se sitúa en un contexto crucial dentro de los objetivos de la Agenda 2030 para el desarrollo sostenible de las energías. La predicción precisa de la producción eólica contribuye directamente a la mitigación del cambio climático y en la promoción de un desarrollo sostenible a largo plazo.