Redes neuronales LSTM aplicadas a la predicción de oleaje en tiempo real para generación de energía undimotriz en las Islas Canarias

Abstract

En las Islas Canarias (España), región ultraperiférica de la Comunidad Europea, la explotación de las energías renovables, como viento, oleaje y sol, proporciona una mayor independencia energética. Para ello es necesario desarrollar modelos de predicción que optimicen el aprovechamiento de dichos recursos. Específicamente, con sistemas de energía undimotriz, la eficiencia de los mismos requiere del conocimiento futuro de las olas incidentes. Con este propósito, se propone en este trabajo la utilización de herramientas basadas en Deep Learning. Además, para la validación de la propuesta, se realiza una comparación de rendimientos entre modelos predictivos basados en redes neuronales recurrentes, concretamente una extensión de estas denominadas LSTM (Long Short Term Memory), y un modelo de predicción autorregresivo cuyos parámetros se calculan utilizando las ecuaciones de Yule-Walker. Se han utilizado dos series temporales de datos de oleaje con distintas características. Para evaluar la eficiencia de los modelos propuestos se ha utilizado el error cuadrático medio, obteniendo los mejores resultados con la red Vanilla LSTM.