Desarrollo de modelos de predicción de la generación de energía eólica y solar para la optimización de centros de datos en un entorno de Smart Grid

Uni e sidad Complu ense de Mad id Facul ad de In o má ica Desa ollo de modelos de p edicción de la gene ación de ene gía eólica y sola pa a la op imización de Cen os de Da os en un en o no de Sma G id Alumno Gab iel Galán Casillas Di ec o es de p oyec o José Luis Ayala Rod igo Ma ina Zapa e Sancho T abajo de Fin de G ado Ingenie ía In o má ica Sep iemb e de 2017 2 Índice gene al Palab as cla e 5 Resumen 7 1. In oducción 9 1.1. Mo i ación ..................................... 9 1.2. P opósi o ...................................... 10 2. Concep os básicos y me odología 11 2.1. P edicción ene gé ica sob e p onos ico . . . . . . . . . . . . . . . . . . . . . . . 12 2.2. Sola ......................................... 12 2.2.1. Modelos de p edicción . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.3. Eólica........................................ 16 2.3.1. Modelos de p edicción . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3. Expe imen ación 19 3.1. En o no ....................................... 19 3.2. P e-p ocesado.................................... 20 3.2.1. Fuen es de da os y ob ención . . . . . . . . . . . . . . . . . . . . . . . . 20 3.2.2. Basededa os................................ 21 3.2.3. Se ido ................................... 21 3.2.4. Ex ac o deda os ............................. 22 3.3. Simulación de plan a sola /eólica . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.3.1. Ma lab ................................... 22 3.3.2. Simulink .................................. 22 3.4. Modelosdep edicción ............................... 24 4. Resul ados 27 4.1. Sola :Modelos ................................... 27 4.1.1. EWMA................................... 27 4.1.2. Adap i e powe managemen (del ETHZ) . . . . . . . . . . . . . . . . . 28 4.1.3. Op imal 2D p edic ion il e . . . . . . . . . . . . . . . . . . . . . . . . 29 4.1.4. WCMA................................... 30 3 4ÍNDICE GENERAL 4.1.5. WCMAwi hPDR ............................. 31 4.1.6. Red neu onal a i icial . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.1.7. N4SID ................................... 33 4.2. Eólica:Modelos................................... 34 4.2.1. Eólica:N4SID ............................... 34 4.2.2. Eólica: ARIMA/ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5. Conclusión 39 Bibliog a ía 41 Ag adecimien os 43 Au o ización de di usión 45 Palab as cla e Palab as cla e en Español Sma G id P edicción ene gé ica Modelos au o- eg esi os Ene gías eno ables Keywo ds in English Sma G id Powe o ecas Au o eg essi e model Renewable ene gies 5 6Palab as cla e Resumen Resumen en Español En la ac ualidad i imos un con inuo inc emen o de la demanda eléc ica, po o o lado, am- bién se dedican más ecu sos eno ables a abas ece dicho consumo debido a que, a di e encia de los combus ibles ósiles, las uen es eno ables no con aminan ni a o ecen el calen amien o global. Es o, jun o al con inuo aba a amien o de la in aes uc u a de una ed de au oconsumo, e- sul a en una posible solución al p oblema de la demanda ene gé ica global: p o isiona un sis ema, ín eg a o pa cialmen e, con una ed de au oconsumo de ene gías eno ables. Una pa e impo an e de es e consumo es debida a los Cen os de P ocesamien o de Da os. Es- os cen os ienen como obje i o p ocesa oda la in o mación de una o ganización. Dichos espa- cios p ocesan da os inin e umpidamen e du an e pe iodos de iempo muy ex ensos lo que implica un consumo p olongado en el iempo. Es e sis ema puede se abas ecido si se combinan sa is ac- o iamen e a ios elemen os: La ed eléc ica con encional, una in aes uc u a de au oconsumo de ene gías eno ables y un conjun o de ba e ías. La complejidad adica en sabe cuándo y cómo usa cada uno de es os elemen os. (i.e. En un pe iodo de máxima p oducción sola , no end ía sen ido consumi di ec amen e de la ed eléc ica). El elemen o que añade mayo a iedad al cuándo y cómo es la p oducción de ene gías eno ables. Si a amos con el sol, no se sabe con ce eza cuándo se nubla á, o a ando con el ien o, cuán o y en qué di ección sopla á. Po es o cen a emos el abajo en dicha complicación: P edeci la ene gía p oducida. Pa a ello es udia emos múl iples modelos de p edicción en ocados a la p edicción ene gé i- ca, no a la me eo ológica, y e alua emos los esul ados ob enidos. Pa a ello oma emos alo es me eo ológicos ex aídos de una es ación pa a, con un modelo de allado de la plan a sola o un pa que eólico, ob ene alo es ene gé icos lo más ealis as posibles y aplica los modelos p edic- i os a és os con el in de ob ene y con as a las p edicciones. Con los esul ados ob enidos se espe a pode e alua la capacidad y calidad ac ual de la écnica y en consecuencia, su iabilidad. Summa y in English We a e li ing a con inuous inc ease in ene gy demand, on he o he hand, mo e enewable esou ces a e also ocused on supplying such consump ion because, unlike ossil uels, enewable sou ces do no pollu e o a o global wa ming. This, along wi h he con inuous educ ion o he in as uc u e o a sel -consump ion g id, esul s in a possible solu ion o he p oblem o global 7 8Resumen ene gy demand: p o ision o a sys em ( o ally o pa cially) wi h a g id o sel -consump ion o enewable ene gies. An impo an pa o his consump ion is due o Da a Cen e s. These cen e s aim o p ocess all he o ganiza ion’s da a. These spaces p ocess da a unin e up edly o e y long pe iods o ime, which implies an ex ended consump ion o e ime. This sys em can be supplied i se e al elemen s a e sa is ac o ily combined: The con en ional elec ici y g id, an in as uc u e o sel - consump ion o enewable ene gies and a se o high capaci y ba e ies. The complexi y lies in knowing when and how o use each o hese elemen s. (i.e. In a pe iod o maximum sola p oduc ion, i would no make sense o consume di ec ly om he g id). The elemen ha adds mo e a ie y o when and how is he p oduc ion o enewable ene gy. I we deal wi h he sun, we do no know o su e when i will cloud, o dealing wi h he wind, how much and in wha di ec ion i will blow. Tha is why we will ocus he wo k on his complica ion: P edic ing he ene gy p oduced. Fo his pu pose, we will s udy mul iple p edic ion models ocused on ene gy p oduc ion, no me eo ology, and e alua e he esul s ob ained. To do his, we will ake me eo ological alues ex ac ed om a s a ion o ob ain he mos ealis ic ene gy alues wi h a de ailed model o he sola plan o wind a m, and o apply he p edic i e models o hese s a ions in o de o ob ain and con as he p edic ions. Wi h he esul s ob ained i is hoped o be able o e alua e he cu en capaci y and quali y o he echnique and, consequen ly, i s iabili y. Capí ulo 1 In oducción 1.1. Mo i ación Con la llegada del In e ne de las Cosas, el Big Da a o las aplicaciones de p ocesamien o de imagen en iempo eal, la demanda de capacidad de cómpu o cada ez es mayo , y los cen os de da os (CPD) cada ez son más, más g andes y consumen más1(es o úl imo ha educido el i mo en los úl imos años2). Además se sabe que el consumo de la mayo pa e de los CPDs, al menos aquellos des inados a aplicaciones de al as p es aciones (HPC), se ealiza de mane a pe pe ua (en mayo o meno medida, pe o siemp e uncionando), po es o cada ez se op a po suminis a dichos cen os con ene gía ob enida de uen es eno ables, ya que pueden supone un aho o ene gé ico conside able y aunque aún no es p ac icable alimen a un CPD comple amen e con ene gías eno ables, se puede asegu a g an pa e del consumo con es as uen es. Uno de los p oblemas del abas ecimien o con ene gías eno ables es la imp edecibilidad de las uen es, el sol y el ien o. Es as dos uen es no son cons an es en el iempo (El sol sale y se esconde cada día y el ien o sopla con mayo o meno ue za en unción del es ado de la a mós e a). En consecuencia la p oducción es muy ines able y alea o ia. La solución clásica a es os p oblemas es almacena la ene gía en ba e ías pa a el consumo en momen os de no p oducción. O o p oblema es que las ba e ías suelen ene una du ación y no puede asegu a se odos los pe iodos de no p oducción. Así que inalmen e se debe á consumi ene gía de la ed eléc ica. Pongamos un ejemplo: Si se ace ca un pe iodo de no p oducción de 8 ho as y las ba e ías du an 4 ho as, ¿en qué 4 ho as se á mejo usa las ba e ías? En p incipio nos debe ía da igual, pe o si nos encon amos en un país en el que hay a i as ho a ias quizá con end ía usa las ba e ías en el momen o en que la elec icidad es más ca a. De es e pensamien o su ge la p edicción ene gé ica. Si pudiésemos p edeci con mode ada exac i ud la ene gía que se p oduci á, pod emos ealiza un plan que pe mi i á aho a cos es en g an medida 1h ps://e a.lbl.go /si es/all/ iles/publica ions/lbnl-1005775_ 2.pd 2h ps://deepmind.com/blog/deepmind-ai- educes-google-da a-cen e-cooling-bill-40/ 9 16 CAPÍTULO 2. CONCEPTOS BÁSICOS Y METODOLOGÍA Figu a 2.2: Diag ama de la ed neu onal Cada mues a de en ada segui á el siguien e o ma o: D en adas con los alo es de los alo es an e io es K en adas con los alo es de los días an e io es K-1 en adas con las di e encias en e los días an e io es El en enamien o se á con el algo i mo de egula ización Bayesiana, que mejo a á el endi- mien o en mues as con uido. P os: Puede eacciona y p edeci mejo an e si uaciones inespe adas Con as: Requie e un en enamien o con inuo. Consume muchos ecu sos N4SID El algo i mo N4SID[8] (Sis ema de iden i icación de subespacios de espacios de es ados) pe - mi e es ima un modelo de espacio de es ados usando subespacios. Un modelo de espacio de es ados es un modelo que usa a iables de es ado pa a desc ibi un sis ema con un sis ema de ecuaciones di e enciales de p ime o den o ecuaciones di e enciales. Los modelos de espacio de es ados son ap opiados pa a ealiza es imaciones (p edicciones en es e caso) ya que solo equie en del o den, el cual es á elacionado con el e a do de las en adas y salidas a usa en la ecuación di e encial. La ep esen ación del modelo es imado es un sis ema como: x( ) = Ax( ) + Bu( ) + Ke( )(2.14) y( ) = Cx( ) + Du( ) + d( )(2.15) Donde A,B,C y D son ma ices del espacio de es ados, K es la ma iz de pe u baciones, u( ) es la en ada, y( )es la salida, e( )es la pe u bación y x( )es el ec o de nx es ados, con nx igual al o den. 2.3. Eólica 2.3.1. Modelos de p edicción La p edicción de ene gía eólica es mucho más compleja que la sola ya que la i adiación a lo la go del día sigue una dis ibución no mal. Luego se e á a ec ada po múl iples ac o es como 2.3. EÓLICA 17 nubes o polución, pe o el sol siemp e sigue el mismo pa ón. El ien o, en cambio, no. Y es o di icul a mucho la a ea. Abo da emos la p edicción de ene gía eólica con los siguien es 2 modelos: Modelo ARIMA N4SID ARMA/ARIMA ARIMA1: Au oReg essi e In eg a ed Mo ing A e age. Es e modelo se usa, o pa a p edeci alo es (Su p opósi o aquí) o bien pa a en ende los alo es pasados. Pa a en ende un poco cómo uncionan los modelos ARIMA lo explica emos po componen- es. El ac o Au oReg essi e, Au o eg esi o o el AR de ARIMA de ine la a iable en cualquie ins an e del iempo como una combinación de los alo es an e io es más un e o . El ac o Mo ing A e age, Media mó il o el MA de ARIMA de ine un alo de la a iable como una suma de un alo αmás la suma ponde ada de los e o es. El ac o In eg a ion o la Ide ARIMA indica que un alo de la a iable es la di e encia en e un alo y su suceso , pudiendo habe sido ealizada la di e encia a ias eces. Sabiendo es o el modelo ARIMA se enuncia como ARIMA(p,d,q) siendo p,d y q núme os na u ales que ep esen an la dis ancia del e a do a usa , el núme o de eces que se ealizó la es a en la di e encia y el o den de la ecuación de media mó il. 1h ps://en.wikipedia.o g/wiki/Au o eg essi e_in eg a ed_mo ing_a e age 18 CAPÍTULO 2. CONCEPTOS BÁSICOS Y METODOLOGÍA Capí ulo 3 Expe imen ación En es e capí ulo explica emos odo el p oceso de expe imen ación, desde la ecogida de da os has a la ob ención de esul ados como se ilus aba en el diag ama 2.1. 3.1. En o no Pa a pode lle a a cabo unos esul ados alidos se ía necesa io ene una plan a sola capaz de p oduci ene gía y la moni o ización de es a. En es e caso, dispond íamos de la po encia ac ual gene ada, la cual es la en ada a los algo i mos de p edicción. Dado que no es así, simula emos es e compo amien o con un p oceso manual de ecogida y p ocesado de da os compues o po una plan a simulada con la cual ob end emos los alo es de salida p ocesando alo es almacenados en una base de da os. La empe a u a y adiación se á ecopilada po un REST ul API1, almacenada en una base de da os, ex aída y o ma eada pa a se in oducida en el modelo de plan a o o ol aica de Ma lab. T as ejecu a la simulación, los alo es de po encia esul an es se án pasados a los dis in os modelos pa a ob ene las p edicciones. Una ez ob enidas las p edicciones, se án con as adas con los alo es eales ob eniendo así g á icas que p ueben la ce eza de es as. A con inuación se explican cada uno de los componen es del en o no. P e-p ocesado •Fuen es de da os y ob ención •Base de da os (DB) •Se ido •Ex ac o de da os (T aduc o del con enido de la DB a Ma lab) Simulado de plan a sola y eólica •Ma lab •Simulink Modelos de p edicción 1h ps://en.wikipedia.o g/wiki/Rep esen a ional_s a e_ ans e 19 20 CAPÍTULO 3. EXPERIMENTACIÓN 3.2. P e-p ocesado 3.2.1. Fuen es de da os y ob ención El p ime paso pa a la pues a en ma cha del modelo de plan a sola es ecoge los alo es de adiación y empe a u a pa a los modelos sola es, elocidad del ien o y di ección pa a los eólicos. Es os son las a iables más impo an es a la ho a de p oduci es as ene gías eno ables, po eso nos cen a emos en ellas y se án las in oducidas a los modelos del Simulink2. Debido al es ue zo eque ido de ene que mon a los p opios senso es (De empe a u a, i a- diación, elocidad y di ección) y espe a a los alo es p edichos pa a se con as ados, desca amos hace un a amien o de es as en adas en iempo eal. Aunque hab ía sido una opción pe ec a- men e álida. Po es o p ime o ecogemos alo es pa a pos e io men e p ocesa los y pode con as a los inmedia amen e con a los alo es del momen o de la p edicción. En onces pa a la ecogida de da os ba ajamos las siguien es opciones: 1. Da os c udos de la es ación me eo ología de AEMET 2. API’s públicas A con inuación de allamos la oma de decisiones. Es ación me eo ológica de AEMET Los da os en c udo p opo cionados po la es ación me eo ológica de AEMET ue nues a p ime a opción po se una base de da os sólida a la que enemos acceso. Tiene pun os ue es como p oximidad, sopo e écnico y iabilidad, sin emba go la ïnsolación"hace e e encia la adiación sola po cen ual y sólo es á disponible en Ba ajas y aunque pod ía se un buen pun o de pa ida, la empe a u a sólo es á disponible en Ciudad Uni e si a ia y El Re i o. Po es o se decidió op a po o as uen es de da os pa a el es udio. API’s públicas Desca ada la es ación me eo ológica, nos inclinamos po un API pública y g a ui a que p o- po cionase los alo es necesa ios: Tempe a u a e I adiación además de Velocidad del ien o y Di ección. Algunas de las opciones encon adas ue on: - Mad id AEMET openda a3- El iempo4- sola elec ici yhandbook.com/sola -i adiance.h ml5- Na ional Renewable Ene gy Labo a o y (NREL)6 - da k sky wea he 7 2h ps://es.ma hwo ks.com/p oduc s/simulink.h ml 3h ps://openda a.aeme .es/ 4h p://api. iempo.com/ 5h p://sola elec ici yhandbook.com/sola -i adiance.h ml 6h ps://de elope .n el.go /docs/sola /sola - esou ce- 1/ 7h ps://da ksky.ne /de /docs 3.2. PRE-PROCESADO 21 T as op a po e isa o as uen es, se obse ó que no es an común dispone de un se icio que p o isione la i adiación sola a ni el ho a io. El NREL dispone un API con la i adiación a ni el mensual, pe o no es su icien e. T as e que ninguno de és os ae alo es eales de i adiación ( empe a u a odos) y dado que el obje i o es e cómo se compo an los modelos de p edicción en un escena io eal, se op ó po combina la oclusión (La cobe u a del cielo/nubes) con una unción no mal de 5 alo es. La can idad de sol ecibida al día dibuja casi la misma g á ica cada día a lo la go de odo el año (Des asada y/o ampliada en unción de la es ación). Las nubes son el mayo ag a an e, po ello las oma emos como el ac o impo an e. Finalmen e nos quedamos con Da k Sky Wea he que e a capaz de p opo ciona casi odo (Tempe a u a, Cobe u a del cielo, Ho a de amanece /a a dece , Velocidad del ien o y Di ección del ien o) y iene un REST ul API muy cómoda pa a ecoge los da os. Los da os necesa ios pa a accede a dicho API son la u l y la API KEY. Con es os da os ya es posible ealiza llamadas en o ma de pe iciones HTTP y ob ene los esul ados. Las unciones usadas ue on: Ge oken y Ge wea he A la ho a de consul a el iempo y las p edicciones incluimos a ias opciones pa a ob ene esul ados más concisos. 3.2.2. Base de da os Una ez ob enida la uen e de da os se á necesa io do a la de cie a pe sis encia, ya que el API nos p opo ciona á los alo es eales en un momen o . Pa a ello almacena emos los esul ados de las consul as en una base de da os de MongoDB8. Es e p og ama de base de da os es á en ocado al pa adigma de No-SQL9(No Only S uc u- ed Que y Language o No S uc u ed Que y Language, depende del en oque) que pe mi e a a documen os (La ma e ia p ima de es e ipo de base de da os) de mane a ápida y sin necesidad de c ea un esquema (En la analogía de las bases de da os elacionales o SQL, las ablas). 3.2.3. Se ido Habiendo elegido la uen e de da os y el luga donde debe pe sis i la in o mación, es necesa io au oma iza la ecogida y su almacenado. Pa a ello op a emos po una aplicación c eada con el amewo k Nodejs10 (Un muy e sá il amewo k de desa ollo de Ja aSc ip en ocado al desa ollo web) y una base de da os MongoDB. El se ido se enca ga de ealiza pe iódicamen e las llamadas al API de Da k Sky, añadi la echa de la llamada (po cla idad. Se ecibe ambién las echas pe o al es a en o ma o POSIX11 no es legible pa a un humano), qui a las p edicciones ho a ias excep o del p incipio del día e inse a las espues as en la base de da os. 8h ps://www.mongodb.com/ 9h ps://en.wikipedia.o g/wiki/NoSQL 10h ps://nodejs.o g/en/ 11h ps://en.wikipedia.o g/wiki/Unix_ ime 22 CAPÍTULO 3. EXPERIMENTACIÓN Es e p oceso debe á es a co iendo inin e umpidamen e du an e odo el pe iodo del cual quie a ob ene se alo es, y un e o que deje al se ido caído pod á no ealiza la consul a al API y pe de los da os de ese momen o, po ello do a emos al se ido de cie a esiliencia. La a qui ec u a es a á mon ada en un Ubun u Desk op 16.04 y docke izada con la he amien a Docke 12 que pe mi i á abaja sob e con enedo es. Sin en a en de alles, c ea emos un con e- nedo que con end á el se ido , o o la base de da os y si se cayese alguno de los dos, con la con igu ación adecuada se ec ea ían ambos y se ol e ían a lanza en cues ión de segundos. Finalmen e el se ido es a á emplazado ísicamen e en el Cen o de Da os de la Facul ad de In o má ica. 3.2.4. Ex ac o de da os Una ez enemos la base de da os con con enido su icien e en con inuo c ecimien o, ya se puede p ocede a ex ae los da os de la base de da os y pasá selos al modelo de plan a o o ol aica de Simulink pa a que p opo cione una po encia de salida. Pa a ello, p ime o ealiza emos una consul a a la base de da os y esc ibi emos los esul ados en un a chi o de ex o que econozca Ma lab y acili e su manipulación, que en el p oyec o se á JSON13. A lo la go del desa ollo se han implemen ado 2 ipos: Como ex o donde cada línea iene da os sepa ados po abulaciones y como JSON. Dado que la base de da os no con iene el 100% de los da os (Se escapan al ededo de 2-4 en adas po mes) se ellenan esos da os con el alo más p óximo a in sup imi posibles ou lie s. Con el a chi o en o ma o JSON c eado, in oduci los alo es el en modelo de Ma lab se á an sencillo como impo da a( ilename). 3.3. Simulación de plan a sola /eólica 3.3.1. Ma lab Pa a la implemen ación de los modelos se ha op ado po usa Ma lab14 ya que a di e encia de C++ u o os lenguajes, iene un oolbox de diseño de edes neu onales muy comple o y p ac ico complemen ado con una excelen e documen ación. La p ime a unción de Ma lab se á ex ae los alo es de los iche os p oducidos en la ase an e io 3.2 y c ea una señal pa a el modelo de Simulink. Una ez hecho es o se pod á comenza la simulación y ob ene los esul ados. Finalmen e se disc e iza á la señal de salida pa a ajus a la al o ma o de ho as y días pa a pasá selo a los modelos. 3.3.2. Simulink Como ano amos an e io men e, usa emos un modelo eó ico de una plan a sola y o a eóli- ca pa a ob ene alo es de po encia cohe en es con los que pod ía da una plan a eal. Po es o 12h ps://www.docke .com/wha -docke 13h p://www.json.o g/ 14h p://www.json.o g/ 3.3. SIMULACIÓN DE PLANTA SOLAR/EÓLICA 23 op amos po Simulink, que además de se so wa e comple o de diseño y simulación eléc icos, iene una comunidad muy g ande que nos ha pe mi ido encon a un modelo de allado an o de una plan a sola como una eólica. Se puede encon a oda la in o mación sob e es os modelos en La igu a 3.1 ilus a la simulación de una plan a o o ol aica de 100kW. Figu a 3.1: Diag ama de la plan a o o ol aica de 100kW conec ada a una ed El modelo simula una plan a o o ol aica con las siguien es ca ac e ís icas: 100kW a 1000W/m2 Conec ada a una ed de 25kV de es ases Conexión DC-DC con ampli icado de ensión 1980-Hz con VSC de 3-ni eles y 3- ases Condensado de 10k a pa a el il ado Pa a lle a a cabo la simulación es necesa io in oduci las a iables más ele an es pa a el panel o o ol aico: Radiación y Tempe a u a. Tiene como esul ado la po encia ins an ánea en a ios. El modelo e alúa las en adas 1000 eces po segundo dando como esul ado una de allada g á ica de po encia p oducida. La impo ación y expo ación de los alo es se ha ealizado desde el wo kspace, donde se p e y pos p ocesan las señales esul an es: Las en adas (Radiación y Tempe a u a) se o ma ean de acue do a las en adas del modelo y las salidas (La po encia) se disc e iza a alo po ho a, ya que se e alúa la po encia a un a io de 1000 eces po 1 segundo de simulación. 24 CAPÍTULO 3. EXPERIMENTACIÓN La quincena de po encia que usa emos es la desc i a en e el 1 y el 16 de ab il. Se puede obse a en la g á ica 3.2 donde el eje x son los días y el y la po encia gene ada en a ios. El esul ado de la simulación puede obse a se en la igu a 3.2 : Figu a 3.2: Salida de la plan a o o ol aica 3.4. Modelos de p edicción A in de desacopla lo máximo posible la p edicción de o as e apas (Como impo ación del iche o, simulación o p ocesado de la señal de salida), los modelos lee án la a iable del wo kspace Ecu cuyo o ma o se á ilas = días, columnas = ho as En unción del algo i mo y la can idad de ope aciones a ni el ho a io se op a á po aspone y hace los accesos ap o echando el acceso de índice único de Ma lab a in de pode a a de mane a más cómoda. Todos los modelos es án p epa ados pa a ealiza una única p edicción con las cons an es de inidas (Sin e apa de ajus e como pod ía se ealiza una p edicción con cada cons an e y elegi la meno dispe sión) y mos a el esul ado inal con una compa ación en e alo es eales - p edichos y el e o . N4SID Conside a emos ambién un N4SID (Algo i mo numé ico pa a iden i icación de sis emas de espacios de subespacios de es ados) y su implemen ación de Ma lab. Tan o es e modelo como el ARMA/ARIMA es án basados en modelos de es ados. Con la unción m=n4sid(da a, o de ,0P ope y10, V alue1, ...,0P ope yN0, V alueN), siendo m el modelo esul an e [idss], da a la en ada y salida [idss], o de el alo de nx que en es e caso deja emos en ’bes él cual escoge á el mejo en e 1 y 10, y inalmen e pa es p opiedad- alo , que únicamen e usa emos N4Ho izon, que de ine el ho izon e de p edicción y se á 24h. 3.4. MODELOS DE PREDICCIÓN 25 Pa a es e modelo de p edicción oma emos los alo es de salida del modelo de simulink peasmgene a o 2sepa ándolos en 75 % pa a en enamien o y 25 % pa a alidación. Lo más impo an e pa a que uncione adecuadamen e, no solo el modelo sino ambién un molino eal, es que la elocidad se encuen e en e 3 y 23m/s. De o o modo la salida se á 0. En enamos ealizando un bucle en e 8 y 168 que ep esen an los alo es del pasado omados pa a el en enamien o. En e 1/3 de día y 7 días. Gua dando en cada i e ación el alo de ajus e pa a inalmen e c ea el modelo con los alo es inales. ARMA/ARIMA Pa a ealiza la p edicción con alguno de es os modelos p ime o hab ía que es udia si la se ie a a a es es aciona ia (Se ealiza solo con la de en enamien o). Si es es aciona ia, se puede omi i la In eg ación (ARMA) si no, ARIMA. P ime o hab á que asegu a se de que la elocidad del ien o ni baja de 3m/s ni excede los 23m/s ya que po debajo no p oduci á nada y po encima, pa a e i a iesgos de o u a del molino, se de end á. A con inuación se es udia á si la se ie es es aciona ia, en cuyo caso se sup imi á la ase de In eg ación (ARMA) o si no lo es, en cuyo caso hab á que ans o ma la pa a ex ae las líneas de endencia. Si se da que no es es aciona ia, pueden di e encia se dos ipos: En a ianza, donde la ans- o mación se á cox-box o en media, donde la ans o mación se á di e enciación de la se ie. Si inalmen e esul a se no es aciona ia en media, y po an o hab á que calcula las di e encias, el núme o de eces que se ealicen es as se á el índice de I de ARIMA. Finalmen e se ealiza á un bucle doble sob e la q y la p a in de encon a el mejo alo de i ness y así de ini el modelo como AR(I)MA(p,d,q). 32 CAPÍTULO 4. RESULTADOS Figu a 4.5: WCMA wi h PDR P edic ion accu ancy 4.1.6. Red neu onal a i icial El esul ado de la ed neu onal es especialmen e bueno si conside amos alo es es ables, pe o el iempo de p ocesado y ap endizaje (El cual debe á se con inuo) son un impo an e impedimen- o ya que pa a que la ed neu onal se eajus e con cada nue o alo , end emos que ealiza un ap endizaje en cada ins an e. El esul ado de la p edicción se puede esumi como una e sión no calib able del Opimal2D ya que oma alo es simila es (Días an e io es, Ins an es an e io es y el alo ac ual de ene gía) pe o no pe mi e da peso a unos u o os. Po es o deposi a el mismo peso en días an e io es dando como esul ado p edicciones no ace adas como el p ime día nublado, el cual pos e io men e oma y ealiza o a p edicción e ónea. A modo de conclusión, aunque puede p opo ciona una p edicción álida igual que o os mo- delos, el cos e compu acional lo desecha. 4.1. SOLAR: MODELOS 33 Figu a 4.6: neu al ne wo k P edic ion accu ancy 4.1.7. N4SID Es e modelo basado en un modelo de es ados ha p opo cionado un g a o esul ado. Como se ha obse ado en o os casos como el de eólica, el N4SID e o na p edicciones en o ma de a mónicos, siendo especialmen e no o io en los días con una p edicción más complicada. En la g á ica 4.7 se obse a que du an e el p ime pe iodo, donde los días son muy simila es, la asa de acie o es muy al a llegando al 80% (Lo con a io al e o ; 20%). En cambio en el segundo pe iodo, pa a se exac os en el p ime día nublado y el an e io que es donde al inal del día se obse a un indicio de nubes, la p edicción man iene la endencia del his ó ico dando como salida una p edicción de 60kW con a unos 20kW p oducidos. Es e caso es el más complejo de p edeci y equie e algo más que explo a el his ó ico. Con inuando con la p edicción, se du an e los días pos e io es se es ablece la calidad len amen e pa a ob ene inalmen e una p edicción pesimis a de la úl ima semana con un e o máximo del 50 % a a o del alo eal y con una media del 25 %. 34 CAPÍTULO 4. RESULTADOS Figu a 4.7: N4SID P edic ion accu ancy 4.2. Eólica: Modelos Pa a el es udio de p edicción de ene gía eólica se han p obado los siguien es modelos. N4SID ARIMA/ARMA En el caso de la p edicción eólica uno de los mayo es p oblemas ha sido encon a los alo es adecuados pa a las p uebas debido a que solo son álidos si la elocidad es álida. Po es o, as ob ene los alo es necesa ios y comp oba que debido a la localización y el pe iodo ecogido que los alo es no son del odo ap os, op a emos po desplaza odos los alo es de o ma que 4.2.1. Eólica: N4SID Es os esul ados han sido p oduc o de un pe iodo de en enamien o en e el 15 y el 30 de mayo y p obados con un pe iodo en e el 1 y el 15 de junio. Los mismos que usa emos pa a la p edicción del modelo ARMA. La p edicción iene a ios alo es con picos de po encia p edicha que empeo an la calidad de la p edicción. Son es os pun os donde ha emos hincapié. 4.2. EÓLICA: MODELOS 35 En e la ho a 70 y la 100 se obse a un pico de po encia p edicha de has a 0.5W, siendo la media de 0.2W. Igual que en es e pun o, hay más en o no a la ho a 160, 280 o 310 y los esul ados son simila es. La p edicción apun a a dichos alo es a causa del en enamien o. En base a es o podemos conside a que la calidad de la p edicción en es os pun os es media ya que es á al amen e in luenciada po el en enamien o, el cual se ía ideal que uese pe iódico e.g. Cada día o semana. Dejando de lado los alo es an e io es, en pun os donde aunque oscila con inuamen e podemos conside a es able, la p edicción es capaz de ajus a se has a p opo ciona una calidad del 20 % como se obse a en 4.8 en e las ho as 225 y 275. Es e modelo de p edicción con un en enamien o adecuando pod ía ob ene aún mejo es e- sul ados. Figu a 4.8: N4SID P edic ion accu ancy 4.2.2. Eólica: ARIMA/ARMA Pa a ob ene esul ados p ime o end emos que comp oba si es es aciona ia, que en es e caso no es así. Po ello con inua emos con un modelo ARMA y la elección de los pa áme os p y q. En el caso de sola pod íamos ob ene esul ados donde la longi ud sea muy limi ada ya que la pe iodicidad puede in e p e a un papel impo an e. Sin emba go en la eólica donde es más complicado encon a pa ones del mismo ipo, muchas de las eces los alo es de p y q debe án 36 CAPÍTULO 4. RESULTADOS se al os. Po es o, los alo es escogidos son 10 y 8. Los esul ados ob enidos po es e p edic o concluyen de o ma muy simila al N4SID: P edic- ción ajus ada en pe iodos de cie a es abilidad con la excepción de que p oduce cie o sua izado en la p edicción esul an e. Figu a 4.9: N4SID Pa ial au oco ela ion 4.2. EÓLICA: MODELOS 37 Figu a 4.10: N4SID Di e encia ion Figu a 4.11: N4SID T ain and P edic ion o e T ain 38 CAPÍTULO 4. RESULTADOS Figu a 4.12: N4SID Tes and P edic ion o e Tes Capí ulo 5 Conclusión Es un hecho que las ene gías eno ables es án desbancando g adualmen e a los combus ibles ósiles (Mí ese el caso de los coches). Po es o, los sis emas dependien es de no solo a los com- bus ibles ósiles si no ambién las uen es con encionales como la ed eléc ica ba ajan inclui en el p oceso de adquisición ene gé ica ene gías eno ables. En es e caso nos hemos cen ado en un con ex o de CPD pa a dicha mejo a ene gé ica ya que cub e una pa e impo an e del consumo en el sec o de las TI que con inua en c ecimien o. La azón po la que puede combina se e ec i amen e los CPDs y las ene gías eno ables es debido a su pe pe uidad. Pa a lle a es o a cabo es muy ecomendable mejo a lo con un sis ema de p edicción. De es a o ma pod emos adelan a la p oducción, y jun o a un sis ema de almacenamien o, aumen a el endimien o ene gé ico y educi cos es. Po es o hemos e aluado la e icacia de cie os modelos de p edicción con el obje i o de alo a la alidez de es os de acue do al en oque p ac ico en el escena io de los CPDs. Hemos abo dado an o modelos au o- eg esi os como basados en ap endizaje ya que al no eque i conoce los de alles de la plan a, simpli ican la p edicción y pe mi en gene aliza , abs a- yéndonos así de es a. De es os hemos ex aído an o las en ajas como los incon enien es en su aplicabilidad en el ci ado escena io. En algunos la pe pe uidad del consumo es un incon enien e, en o os el ni el de p ocesamien o es una en aja al p ecio de la p ecisión. Como conclusión podemos ex ae que hay una bas a can idad de mane as de aumen a la e i- ciencia ene gé ica de los CPDs an o po la pa e del consumo como po la pa e de la p oducción, y en es e caso y desde el lado de la p oducción, podemos conclui que los mé odos e aluados jun o a sus esul ados ob enidos pe mi i án su in eg ación en en o nos de simulación con el in de con i ma su aplicabilidad en un escena io eal. Conclusions I ’s a ac ha enewable ene gies a e eady o wo k alongside ossil uels. Fo his eason, sys ems ha depends no only on ossil uels bu also con en ional sou ces such as he elec ici y g id, look o including enewable ene gies in he p ocess. In his case we ha e ocused on a con ex o Da a Cen e o such ene gy imp o emen as i 39 40 CAPÍTULO 5. CONCLUSIÓN co e s a signi ican pa o consump ion in he IT sec o ha con inues o g ow. The eason why Da a Cen e s and enewable ene gies can e ec i ely be combined is because o hei pe pe ui y (Powe comsup ion may a y bu i will no cease). To accomplish his i ’s highly ecommended o imp o e i wi h a p edic ion sys em. In his way we can ad ance p oduc ion, and oge he wi h a s o age sys em, inc ease ene gy e iciency and educe cos s. Fo his eason, we ha e e alua ed he e icacy o ce ain p edic ion models in o de o assess hei alidi y acco ding o he p ac ical app oach in he Da a Cen e scena io. We ha e app oached bo h sel - eg essing and lea ning-based models, since hey do no need o know he de ails o he plan , simpli ying he p edic ion and allowing us o gene alize, hus abs ac ing om i . F om hese we ha e ex ac ed bo h he ad an ages and he d awbacks in hei applicabili y in he a o emen ioned scena io. In some algo i hms he pe pe ui y o he consump ion is a disad an age (neu al ne wo k), in o he s he le el o p ocessing is an ad an age e en loosing p ecision (Op imal 2D linea p edic ion il e ). Closing, we can conclude ha he e is a su icien numbe o ways o inc ease he ene gy e i- ciency o he Da a Cen e s bo h o he consump ion pa and o he p oduc ion pa , and in his case om he p oduc ion side, we can conclude ha he me hods e alua ed oge he wi h hei e- sul s will allow hei in eg a ion in simula ion en i onmen s in o de o con i m hei applicabili y in a eal scena io. Bibliog a ía [1] MARINA ZAPATER ATA TURK JOSE M. MOYA JOSE L. AYALA AYSE K. COSKUN Dyna- mic Wo kload and Cooling Managemen in High-E iciency Da a Cen e s [2] D.R. COX P edic ion by exponen ially weigh ed mo ing a e ages and ela ed me hods, Jou - nal o he Royal S a is ical Socie y, Se . B 23 (1961) 414–422 [3] C. MOSER, L. THIELE, D. BRUNELLI, L. BENINI Adap i e powe managemen in ene gy ha es ing sys ems, in: Design, Au oma ion and Tes in Eu ope Con e ence and Exhibi ion, 2007 [4] FATIH O. HOCAOGLU, OMER N. GEREK, MEHMET KURBAN Hou ly sola adia ion o e- cas ing using op imal coe icien 2-D linea il e s and eed- o wa d neu al ne wo ks [5] J.K. PIORNO C. BERGONZINI, D. ATIENZA, T.S. ROSING P edic ion and managemen in ene gy ha es ed wi eless senso nodes, 2009 [6] CARLO BERGONZINI, DAVIDE BRUNELLI, LUCA BENINI Compa ison o ene gy in ake p edic ion algo i hms o sys ems powe ed by pho o ol aic ha es e s [7] MAURIZIO ROSSI, ALESSANDRO TOPPANO, DAVIDE BRUNELLI Real- ime op imiza ion o he ba e y banks li e ime in Hyb id Residen ial Elec ical Sys ems [8] PETER VAN OVERSCHEE, BART DEMOOR N4SID: Subspace Algo i hms o he Iden i i- ca ion o Combined De e minis ic-S ochas ic Sys ems 41