Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/5284
Campo DC Valoridioma
dc.contributor.advisorCarta González, José Antonio-
dc.contributor.advisorMatías Fernández, José María-
dc.contributor.authorVelázquez Medina, Sergio Leandro-
dc.creatorVelázquez Medina, Sergioes
dc.date2010es
dc.date.accessioned2011-05-11T02:31:00Z-
dc.date.accessioned2018-06-05T13:22:18Z-
dc.date.available2011-05-11T04:00:16Z-
dc.date.available2018-06-05T13:22:18Z-
dc.date.issued2011en_US
dc.identifier.isbn978-84-694-4982-0en_US
dc.identifier.urihttp://hdl.handle.net/10553/5284-
dc.descriptionPrograma de Doctorado: Tecnología Industrialen_US
dc.description.abstractPara estimar la producción energética media anual de un aerogenerador durante su vida útil se requiere, debido a la variabilidad interanual de la velocidad del viento, del conocimiento de la evolución del recurso eólico a largo plazo en la zona donde se vaya a ubicar el mismo. Sin embargo, a menudo no se dispone de series de datos de velocidad y dirección del viento de varios años en el área de interés. Las campañas de medida que se llevan a cabo con el propósito de investigar el régimen de viento en una potencial área eólica suelen realizarse durante un corto periodo de tiempo (un año). En este trabajo de investigación se han desarrollado modelos para la estimación de la potencia eólica a largo plazo (10 años o más) en un sitio Candidato, utilizando técnicas no Paramétrica, funcionales y de Machine Learning. Dichos modelos se apoyarán en los datos eólicos a corto plazo (un año), medidos en el sitio Candidato y en otros emplazamientos a los que se denominará de Referencia. De estos últimos se dispondrá además de los datos eólicos medidos a largo plazo. Se ha realizado un análisis comparativo de los modelos desarrollados en la presente tesis con las técnicas existentes en la actualidad en la literaruta científica. Finalmente se han plasmado las conclusiones para los diferentes casos planteados en el desarrollo de la tesis, así como las conclusiones generales de la misma.es
dc.formatapplication/pdfes
dc.languagespaen_US
dc.rightsby-nc-ndes
dc.subject332205 Fuentes no convencionales de energíaes
dc.subject120914 Técnicas de predicción estadísticaes
dc.subject.otherWind poner estimationes
dc.subject.otherMachine learning techniqueses
dc.subject.otherLong term estimationes
dc.subject.otherShort term estimationes
dc.titleEstimación de la potencia eólica en una zona mediante el apoyo de estaciones meteorológicas de referencia y el empleo de técnicas estadísticas no paramétricas, funcionales y de machine learning: aplicación a las islas Canariasen_US
dc.typeinfo:eu-repo/semantics/doctoralThesisen_US
dc.typeThesisen_US
dc.typeThesisen_US
dc.compliance.driver1es
dc.contributor.departamentoDepartamento de Ingeniería Mecánicaen_US
dc.contributor.facultadEscuela de Ingenierías Industriales y Civilesen_US
dc.fechadeposito2011-05-11T04:00:16Zes
dc.identifier.absysnet627387es
dc.investigacionIngeniería y Arquitectura-
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses
dc.type2Tesis doctoralen_US
dc.identifier.matriculaTESIS-74017es
dc.identifier.ulpgces
dc.contributor.programaTecnología Industriales
item.fulltextCon texto completo-
item.grantfulltextopen-
crisitem.author.deptGIR Group for the Research on Renewable Energy Systems-
crisitem.author.deptDepartamento de Ingeniería Electrónica y Automática-
crisitem.author.orcid0000-0002-0392-6605-
crisitem.author.parentorgDepartamento de Ingeniería Mecánica-
crisitem.author.fullNameVelázquez Medina, Sergio Leandro-
crisitem.advisor.deptGIR Group for the Research on Renewable Energy Systems-
crisitem.advisor.deptDepartamento de Ingeniería Mecánica-
Colección:Tesis doctoral
miniatura
Adobe PDF (9,7 MB)
Vista resumida

Visitas

133
actualizado el 20-abr-2024

Descargas

247
actualizado el 20-abr-2024

Google ScholarTM

Verifica

Altmetric


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.