Desarrollo de modelos “machine learning” para la predicción de la producción eólica y solar.
Juárez Martínez, Antonio
El desarrollo de las fuentes renovables de energía es uno de los aspectos claves de la política energética
a nivel mundial por diversas razones. Las energías renovables cierran la brecha entre el clima y la
energía [Jerez et al., 2015]. Esto se debe en parte al papel clave desempeñado en las estrategias de
mitigación destinadas a abatir el cambio climático y sus posibles efectos en las sociedades y entornos,
ya que contribuyen eficientemente a la reducción de las emisiones de gases de efecto invernadero, en
particular del CO2. Por otro lado, la mayor participación de las energías renovables en el mix energético
disminuye la dependencia de productos tales como el petroleo, carbón, gas, y se diversifica las
fuentes de suministros y se promueven recursos autóctonos. Por otro lado el uso de las energías renovables
contribuyen a la mejora de la calidad del aire a la dependencia exterior de recursos.
 
La implantación de las energías renovables es ya una realidad en nuestro país, donde un porcentaje
cada vez más alto de la producción energética tiene origen renovable. La mejora de las tecnología y
la reducción de costes han convertido a energías renovables como la solar y la eólica en energías
muy competitivas con muchas ventajas medioambientales y sociales.
 
El objetivo fundamental de la propuesta es desarrollar un sistema de generación de modelos basados
en machine learning para realizar el pronóstico de la generación eléctrica renovable solar y eólica.
Biodiversidad, Reservas Naturales y Cambio Global. Instrumentos, Modelos y Aplicaciones
Grupo de Modelización Atmosférica Regional
Director: Juan Pedro Montávez Gómez
Biodiversidad y gestión ambiental
20/10/2020 - 20/09/2023
En desarrollo