Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/9120
Campo DC Valoridioma
dc.contributor.advisorHernández Tejera, Francisco Mario-
dc.contributor.advisorHernández Cabrera, José Juan-
dc.contributor.authorNebot Medina, Rafael Juan-
dc.date.accessioned2012-12-13T13:27:19Z-
dc.date.accessioned2018-05-15T10:56:51Z-
dc.date.available2012-12-13T13:27:19Z-
dc.date.available2018-05-15T10:56:51Z-
dc.date.issued2012en_US
dc.identifier.urihttp://hdl.handle.net/10553/9120-
dc.descriptionMáster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI)en_US
dc.description.abstractLas energías renovables presentan multitud de ventajas pero introducen multitud de incovenientes en las redes eléctricas, originados prácticamente por su intermitencia. La predicción de la producción es una de las medidas para disminuir estos inconvenientes. Para poder manejar distintos escenarios a la hora de plantear la operación y la subasta de energía, existen técnicas que permiten obtener una predicción probabilista en lugar de emitir un único valor esperado (predicción puntual). En este trabajo se ensaya uno de estos métodos llamado de remuestreo adaptado, implementando un clasificador adaptado a los datos disponibles y con una implementación eficiente y que permitirá experimentar fácilmente en el futuro con distintos métodos de aprendizaje máquina.es
dc.languagespaen_US
dc.subject120914 Técnicas de predicción estadísticaes
dc.subject.otherMeteorología energéticaes
dc.subject.otherPredicción probabilistaes
dc.titlePredicción con incertidumbre en meteorología energéticaen_US
dc.title.alternativeAplicación en predicción eólicaen_US
dc.typeinfo:eu-repo/semantics/masterThesisen_US
dc.typeMasterThesisen_US
dc.compliance.driver1es
dc.contributor.centroIU Sistemas Inteligentes y Aplicaciones Numéricasen_US
dc.contributor.departamentoIU Sistemas Inteligentes y Aplicaciones Numéricasen_US
dc.contributor.facultadEscuela de Ingeniería Informáticaen_US
dc.identifier.absysnet672612-
dc.identifier.crisid--
dc.investigacionIngeniería y Arquitectura-
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses
dc.type2Trabajo final de másteren_US
dc.identifier.matriculaTFT-26160es
dc.identifier.ulpgces
dc.contributor.titulacionMáster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingenieríaes
item.grantfulltextopen-
item.fulltextCon texto completo-
crisitem.advisor.deptGIR SIANI: Inteligencia Artificial, Redes Neuronales, Aprendizaje Automático e Ingeniería de Datos-
crisitem.advisor.deptIU Sistemas Inteligentes y Aplicaciones Numéricas-
crisitem.advisor.deptDepartamento de Informática y Sistemas-
crisitem.advisor.deptGIR SIANI: Inteligencia Artificial, Redes Neuronales, Aprendizaje Automático e Ingeniería de Datos-
crisitem.advisor.deptIU Sistemas Inteligentes y Aplicaciones Numéricas-
crisitem.advisor.deptDepartamento de Informática y Sistemas-
crisitem.author.fullNameNebot Medina,Rafael Juan-
Colección:Trabajo final de máster
miniatura
Trabajo de Fin de Máster
Adobe PDF (2,88 MB)
Vista resumida

Visitas

71
actualizado el 27-ene-2024

Descargas

55
actualizado el 27-ene-2024

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Este elemento está sujeto a una licencia Licencia Creative Commons Creative Commons