Este documento discute cómo los datos generados por organismos públicos sobre el clima y la energía pueden usarse para mejorar la contribución de las energías renovables a la red eléctrica. Describe cómo los modelos de predicción del clima y las técnicas de inteligencia artificial como las redes neuronales recurrentes pueden ayudar a predecir con mayor precisión la generación futura de energía eólica y solar, lo que permitiría una planificación más efectiva de la red eléctrica y mayores ganancias para los generadores de energía renovable. El
Posiciones_del_sionismo_en_los_imperios globales de la humanidad (2024).pdf
Datos Energía Negocio Futuro Sostenible
1. Datos, Energía y Negocio:
hacia un futuro más
sostenible
1
T. Morales
Big Data & Data Science Team Lead en Synergic Partners
2017-01-12
2. ¿Quién soy?
Experiencia Laboral
• Big Data & Data Science Team Lead en Synergic Partners para Proyectos
Analíticos de Telefónica.
• Investigador Asociado Agencia Estatal de Meteorología (AEMET) en el
desarrollo NWP para HIRLAM y ECMWF.
Background académico
• Licenciatura en Física.
• Ciclo Superior en Física Computacional.
• Master en Sistemas Expertos y Métodos Numéricos.
• PhD Candidate: Contribuciones en el uso de redes neuronales avanzadas en
los proceso de predicción en series de datos
2
3. 3
Generación de datos por parte de los
organismos públicos
Concepto OpenData
Uso de esos datos para el desarrollo de
negocio
Mercado de energía, y concretamente en
energía renovable
4. 4
Modelo determinista
Presión a nivel del mar
Velocidad del viento a 850 hPa
Modelo estocástico
Ensamble de modelos
Media y desviación estándar del viento a 850 hPa de
todo los miembros del ensamble
Model IFS
5. 5
Modelo MACC - Calidad del aire
Estaciones Calidad del aire
de la Comunidad de Madrid
9. 9
OpenData
(*) Fuente
Using Bias-Corrected Reanalysis to Simulate Current and
Future Wind Power Output,
Staffell, Iain and Pfenninger, Stefan
Reanálisis
Modelo
Serie Temporales
(*)
12. 12
¿Podríamos utilizar toda está información generada
por los modelos de predicción del tiempo para mejorar la
contribución de las energías renovables en la demanda
energética?
¿Con qué técnicas o algoritmos podríamos hacerlo?