ES2644528T3

ES2644528T3 - Método para la determinación asistida por ordenador del uso de energía eléctrica producida por una central de generación de energía, particularmente una central de generación de energía renovable

Info

Publication number: ES2644528T3
Application number: ES11194933.5T
Authority: ES
Inventors: Per Egedal; Ralph Grothmann; Volkmar Sterzing; Thomas Runkler
Original assignee: Siemens AG; Siemens Corp
Current assignee: Siemens AG; Siemens Corp
Priority date: 2011-12-21
Filing date: 2011-12-21
Publication date: 2017-11-29
Anticipated expiration: 2031-12-21
Also published as: EP2608118B1; CN104115166A; EP2608118A1; DK2608118T3; WO2013092702A1; CN104115166B; US10352973B2; US20150019276A1

Description

5

10

15

20

25

30

35

40

45

50

55

60

65

METODO PARA LA DETERMINACION ASISTIDA POR ORDENADOR DEL USO DE ENERGIA ELECTRICA PRODUCIDA POR UNA CENTRAL DE GENERACION DE ENERGIA, PARTICULARMENTE UNA CENTRAL DE

GENERACION DE ENERGIA RENOVABLE

descripciOn

La invencion se refiere a un metodo para la determinacion asistida por ordenador del uso de ene^a electrica producida por una central de generacion de energfa, particularmente una central de generacion de ene^a renovable, asf como a un producto de programa informatico correspondiente y a un programa informatico correspondiente.

La ene^a producida por centrales de generacion de energfa y particularmente por centrales de generacion de energfa renovable puede variar de modo que no puede facilitarse ninguna disponibilidad de energfa garantizada. Con respecto a centrales de generacion de energfa renovable, esta variacion se produce debido a diferentes condiciones ambientales, por ejemplo diferentes velocidades de viento o direcciones de viento para centrales eolicas de generacion de energfa o radiaciones solares variables para centrales solares de generacion de energfa. Por este motivo, en algunos pafses la alimentacion de energfa fluctuante procedente de fuentes de energfa renovable solo se acepta si dicha alimentacion no presenta problemas de seguridad para la red de transmision de energfa.

A partir de la tecnica anterior se conoce el uso de previsiones meteorologicas para determinar predicciones para la energfa producida en el futuro por una central de generacion de energfa renovable. Estas predicciones se tienen en cuenta en la planificacion de curvas de carga de energfa fosil. Sin embargo, la energfa producida en intervalos de tiempo futuros por centrales de energfa renovable no se clasifica para su utilizacion para diferentes fines.

El documento de Ue. Cali et al.: “Artificial neural network based wind power forecasting using a multi-model approach”, 7th International Workshop on Large Scale Integration of Wind Power and on Transmission Networks for Offshore Wind Farms, 1 de mayo de 2008, paginas 1 a 6, da a conocer previsiones de energfa eolica para parques eolicos usando redes neuronales artificiales.

El documento de Yaser Soliman Qudaih et al: “Power Distribution System Planning for Smart Grid Applications using ANN”, ENERGY PROCEDIA, vol. 12, 1 de enero de 2011, paginas 3 a 9, describe un metodo de planificacion de sistemas de distribucion de energfa para redes electricas que utiliza una estructura de red neuronal artificial.

Un objetivo de la invencion es proporcionar un metodo asistido por ordenador para predecir la energfa futura producida por una central de generacion de energfa tal que se especifiquen cantidades de energfa para usos adecuado.

Este objetivo se resuelve mediante las reivindicaciones independientes. En las reivindicaciones dependientes se definen realizaciones preferidas de la invencion.

Segun el metodo de la invencion, se proporciona una pluralidad de redes neuronales que aprenden mediante datos de entrenamiento. Cada red neuronal comprende una capa de entrada de neuronas para describir entradas que afectan a la energfa producida por la central, una o mas capas ocultas de neuronas y una capa de salida de neuronas para describir salidas de energfa de la central, comprendiendo dichas salidas de energfa salidas de energfa futuras para una pluralidad de puntos en el tiempo dentro de un periodo de tiempo futuro, en el que cada red neuronal de la pluralidad de redes tiene una estructura diferente y/o aprende de manera diferente. Por tanto, en el metodo de la invencion se procesa un conjunto de redes neuronales. El termino anterior “salida de energfa” asf como el termino “nivel de energfa” que se menciona a continuacion deben interpretarse de manera amplia. Esos terminos pueden referirse a una energfa particular producida en un intervalo de tiempo pero tambien pueden referirse a una potencia electrica, es decir, energfa por tiempo. Particularmente, una salida de energfa puede corresponder a la potencia electrica (en vatios) producida en un punto en el tiempo particular. Alternativamente, la salida de energfa puede referirse a la energfa electrica (en julios o multiplos de vatios, por ejemplo MWh) producida entre puntos en el tiempo posteriores.

Segun la invencion, las salidas de energfa futuras para la pluralidad de puntos en el tiempo se preven para cada red neuronal. Basandose en estas previsiones, se calculan uno o mas histogramas de salidas de energfa futuras, representando cada histograma la distribucion y por tanto la probabilidad de salidas de energfa futuras previstas por la pluralidad de redes neuronales para puntos en el tiempo en un intervalo de tiempo correspondiente que comprende un o mas puntos en el tiempo posteriores. Por tanto, el periodo de tiempo futuro se divide en varios intervalos de tiempo futuros en los que para cada intervalo de tiempo futuro se calcula un histograma correspondiente basado en las previsiones de las redes neuronales.

En la siguiente etapa, se determinan uno o mas niveles de energfa para cada intervalo de tiempo, en los que cada nivel de energfa se deriva a partir de un nivel de confianza de varios niveles de confianza, representando cada nivel de confianza un porcentaje de las salidas de energfa futuras en el histograma correspondiente, en el que cada salida

5

10

15

20

25

30

35

40

45

50

55

60

65

de ene^a futura dentro de este porcentaje tiene un valor igual o superior al nivel de energfa que se deriva del nivel de confianza correspondiente.

En una siguiente etapa, se asignan usos predeterminados a cantidades de ene^a segun cada nivel de ene^a en los intervalos de tiempo respectivos, en la que una cantidad de energfa segun un nivel de energfa representa la energfa entre el nivel de energfa y el siguiente nivel de energfa inferior. Si el nivel de energfa es el nivel de energfa mas bajo, el siguiente nivel de energfa inferior corresponde a una energfa de cero.

La invencion se basa en la comprension de que, utilizando una pluralidad de redes neuronales diferentes, pueden calcularse histogramas correspondientes que permiten la determinacion de cantidades de energfa que difieren en la probabilidad de que la cantidad de energfa este disponible. Esas cantidades de energfa pueden asignarse a usos apropiados.

La pluralidad de redes neuronales utilizadas para la prevision comprende preferiblemente una o mas redes neuronales recurrentes, particularmente redes neuronales recurrentes con retardo en el tiempo desplegadas en el tiempo, tales como la red neuronal recurrente dada a conocer en el documento DE 10 2007 001 026 B4. En lugar de eso, o como alternativa, la pluralidad de redes neuronales puede comprender una o mas redes de realimentacion positiva y/o una o mas redes que implementan al menos una red de realimentacion positiva dentro de al menos una red neuronal recurrente.

El metodo segun la invencion tiene ventajas particulares en el caso en el que la central de generacion de energfa sea una central de generacion de energfa renovable, particularmente una central eolica de generacion de energfa que comprende varias turbinas eolicas y/o una central solar de generacion de energfa que comprende varios paneles solares. Esto es porque la energfa producida por estas centrales fluctuante en gran medida.

En una realizacion particularmente preferida, los niveles de confianza utilizados en el metodo de la invencion comprenden uno o mas primeros niveles de confianza, en los que el uso de la cantidad de energfa segun el nivel de energfa correspondiente a un primer nivel de confianza es tal que la parte de la cantidad de energfa correspondiente todavfa no vendida a terceras partes o todavfa no reservada de otro modo se ofrece a terceras partes como energfa consumible a un precio predeterminado por unidad, en el que el precio predeterminado por unidad aumenta con un porcentaje creciente de las salidas de energfa futuras representadas por el primer nivel de confianza.

En otra realizacion preferida, las cantidades de energfa ofrecidas a terceras partes se comercializan en una plataforma de comercializacion de energfa, por ejemplo en una bolsa de electricidad, tal como la EEX alemana o sistemas similares, por ejemplo redes inteligentes.

En otra realizacion de la invencion, las entradas de cada red neuronal comprenden datos acerca del entorno de la central de generacion de energfa y/o una o mas caractensticas de la central de generacion de energfa, particularmente datos meteorologicos en una pluralidad de posiciones en el entorno de la central de generacion de energfa y/o datos geograficos acerca de la ubicacion de la central de generacion de energfa. Todos esos parametros pueden influir en las salidas de energfa de la central. Ademas, las entradas de cada red neuronal comprenden preferiblemente datos, particularmente datos meteorologicos, medidos en puntos de tiempo pasados y/o predichos para puntos de tiempo futuros, por ejemplo basandose en previsiones meteorologicas que puede proporcionar un servicio meteorologico.

Los datos meteorologicos comprenden preferiblemente valores de temperatura y/o valores de presion atmosferica y/o valores de humedad atmosferica y/o velocidades de viento y/o direcciones de viento y/o valores de turbulencia y/o parametros acerca de la radiacion solar. Los parametros acerca de las velocidades de viento y direcciones de viento son particularmente importantes para centrales de generacion de energfa en forma de centrales eolicas de generacion de energfa. Por el contrario, los parametros acerca de la radiacion solar son particularmente importantes para centrales solares de generacion de energfa. Estos datos pueden referirse a la cobertura de nubes en el cielo o la intensidad de la radiacion solar. Los datos geograficos anteriormente mencionados pueden referirse al paisaje alrededor de la central de generacion de energfa que puede influir en la energfa generada. Por ejemplo, en el caso en el que haya un bosque ubicado cerca de las turbinas eolicas o en el caso en el que las turbinas eolicas se encuentren en un valle, la salida de energfa sera menor que situar las turbinas eolicas en una colina o rodeados de agua.

En otra realizacion preferida, los niveles de confianza comprenden segundos niveles de confianza que representan preferiblemente un porcentaje menor que los primeros niveles de confianza, en la que el uso de la cantidad de energfa segun el nivel de energfa correspondiente al segundo nivel de confianza comprende uno de los siguientes usos:

- ofrecer la parte de la cantidad de energfa correspondiente todavfa no vendida a terceras partes o todavfa no reservada de otro modo como energfa de control a terceras partes, en la que la energfa de control (al contrario que la energfa consumible) solo se usa como energfa de reserva para fluctuaciones a corto plazo o medio plazo en la produccion de energfa de una red de energfa;

5

10

15

20

25

30

35

40

45

50

55

60

65

- abstenerse de ofrecer la parte de la cantidad de ene^a correspondiente todav^a no vendida a terceras partes o todavfa no reservada de otro modo a terceras partes y opcionalmente reservar esta parte de la cantidad de energfa para prolongar la vida util de la central de generacion de energfa y/o reducir las emisiones de ruido de la central de generacion de energfa y/o realizar trabajos de mantenimiento en la central de generacion de energfa.

En el caso en el que la cantidad de energfa se usa para la prolongacion de vida util o reduccion de ruido, la salida de energfa de la central puede reducirse en esta cantidad de energfa (por ejemplo reduciendo las velocidades rotacionales de las turbinas eolicas), dando como resultado una vida util mas prolongada y menores emisiones de ruido. En el caso en el que la cantidad de energfa se usa para trabajos de mantenimiento, la energfa producida por la central puede reducirse en esta cantidad de energfa para parar algunas turbinas eolicas en una central eolica de generacion de energfa para la realizacion de trabajos de mantenimiento en esas turbinas.

En otra realizacion de la invencion, al menos una red de realimentacion positiva comprende varias capas ocultas, estando cada capa oculta acoplada a un grupo de salida separado. La capa de entrada de esta red de realimentacion positiva se acopla preferiblemente a cada capa oculta. Particularmente, la red neuronal de realimentacion positiva descrita en la aplicacion de patente alemana DE 10 2011 081 197.4 puede utilizarse en el metodo de la invencion.

En otra variante del metodo de la invencion, cada red neuronal de la pluralidad de redes neuronales aprende con datos de entrenamiento diferentes y/o parametros de aprendizaje diferentes y/o se inicializa de manera diferente. Por tanto, es posible que las redes neuronales tengan la misma estructura pero difieran en otras caractensticas referentes a la fase de aprendizaje.

En otra realizacion de la invencion, los niveles de confianza se adaptan basandose en una comparacion entre las salidas de energfa reales y las salidas de energfa correspondientes que se habfan previsto por cada red neuronal. Por tanto, puede realizarse una recalibracion apropiada del modelo estadfstico teniendo en cuenta las salidas de energfa producida reales.

Aparte del metodo descrito anteriormente, la invencion se refiere ademas a un producto de programa informatico que comprende codigo de programa almacenado en un medio legible por ordenador que realiza el metodo segun la invencion cuando el programa se ejecuta en un ordenador. Ademas, la invencion se refiere a un programa informatico que comprende un codigo de programa que realiza el metodo de la invencion cuando el codigo de programa se ejecuta en un ordenador.

Las realizaciones de la invencion se describiran en detalle a continuacion basandose en los dibujos adjuntos en los que:

la figura 1 muestra una red neuronal recurrente que puede utilizarse en una realizacion de la invencion para la prevision de salidas de energfa de una central de generacion de energfa;

la figura 2 muestra una red neuronal de realimentacion positiva que puede utilizarse en otra realizacion de la invencion para la prevision de salidas de energfa de una central de generacion de energfa; y

la figura 3 muestra un diagrama que ilustra cantidades de energfa utilizadas de manera diferente segun una realizacion de la invencion.

A continuacion, la invencion se describira con respecto a una central de generacion de energfa renovable en forma de un parque eolico que comprende varias turbinas eolicas. Sin embargo, la invencion tambien puede aplicarse a otras centrales de generacion de energfa y particularmente centrales de generacion de energfa renovable, por ejemplo para centrales solares de generacion de energfa que comprenden un numero correspondiente de paneles solares.

El problema de las energfas renovables reside en el hecho de que la cantidad de energfa producida depende en gran medida de las condiciones ambientales en los alrededores de la central. Para parques eolicos, la velocidad de viento y la direccion de viento son los factores principales que influyen en la produccion de energfa. Segun la invencion descrita a continuacion, se obtiene una prevision apropiada de cantidades de energfa futuras producidas por la central en combinacion con niveles de confianza. Un nivel de confianza corresponde a la probabilidad de que la cantidad de energfa este disponible en el futuro y, basandose en este nivel, puede ofrecerse la cantidad de energfa correspondiente a diferentes precios a terceras partes, por ejemplo mediante una plataforma de comercializacion de energfa.

Para determinar niveles de energfa que representen niveles de confianza predeterminados para cantidades de energfa futuras, la invencion descrita a continuacion utiliza un conjunto de varias redes neuronales en el que cada red neuronal se estructura y/o entrena de manera diferente y proporciona las previsiones correspondientes de salidas de energfa futuras del parque eolico. A continuacion, esas salidas de energfa corresponden a valores de

5

10

15

20

25

30

35

40

45

50

55

60

65

ene^a electrica proporcionados por la central para puntos en el tiempo correspondientes dentro de un periodo de tiempo futuro.

La figura 1 y la figura 2 muestran redes neuronales que pueden utilizarse en el conjunto de redes neuronales. La red de la figura 1 es una red NN1 neuronal recurrente de retardo en el tiempo que se despliega en el tiempo para capturar la memoria del sistema mas un horizonte de prevision para el que se determinan las salidas de energfa futuras. Los puntos en el tiempo para los que se determinan las salidas de energfa futuras pueden basarse en intervalos horarios mientras que el horizonte de prevision puede comprender varios dfas o incluso semanas.

La red mostrada en la figura 1 se conoce a partir de la tecnica anterior. Particularmente, esta red tiene la misma estructura que la red dada a conocer en el documento DE 10 2007 001 026 B1. La red comprende una capa I de entrada, una capa H oculta recurrente asf como una capa O de salida. La capa de entrada comprende varias entradas xt-3, Xt-2, Xt-1, xt medidas que forman vectores de entrada que influyen en la salida de energfa del parque eolico. Particularmente, esas entradas comprenden datos meteorologicos de red que incluyen parametros meteorologicos en varias ubicaciones horizontales y verticales en el entorno del parque eolico. Los datos meteorologicos de red comprenden particularmente valores de temperatura y/o valores de presion atmosferica y/o velocidad de viento y/o direcciones de viento y/o valores de turbulencia y/o valores de humedad atmosferica. En el caso en el que la central es una central solar de generacion de energfa, los datos tambien pueden comprender parametros acerca de la radiacion solar, por ejemplo la cobertura de nubes en el cielo o la intensidad de la radiacion solar y similares.

En una variante de la red mostrada en la figura 1, tambien pueden usarse datos meteorologicos de red predichos por un modelo adecuado y proporcionados por ejemplo por un servicio meteorologico como datos de entrada en la figura 1. En dicha variante, la capa de entrada tambien incluye entradas xw, xM y sucesivas para puntos en el tiempo futuros t, t+1 y sucesivos. La capa I de entrada se acopla mediante matrices B y un desviacion © apropiada con grupos neuronales recurrentes ocultos sM, sM y sucesivos en la capa H oculta. Los grupos ocultos se conectan mediante matrices A. Cada uno de los grupos neuronales ocultos se conecta a un grupo de salida yM, yM y sucesivos en la capa O de salida mediante matrices C. Esos grupos de salida forman las salidas de energfa anteriormente mencionadas que se predicen para puntos en el tiempo futuros t+1, t+2 y sucesivos por la red neuronal.

La figura 2 muestra una realizacion de una red NN2 neuronal de realimentacion positiva que tambien puede utilizarse en el conjunto de redes neuronales para la prevision de salidas de energfa de un parque eolico. La red corresponde a la red tal como se describe en la solicitud de patente alemana DE 10 2011 081 197.4 ya mencionada anteriormente. La red comprende una capa I de entrada, varias capas H1, H2 y H3 ocultas asf como una capa O de salida que comprende varios grupos O1, O2, O3 de salida. De manera similar a la figura 1, la capa de entrada comprende vectores de entrada correspondientes. En una variante de la red de la figura 2, solo pueden usarse vectores de entrada predichos futuros, por ejemplo en forma de datos meteorologicos previstos. En la red mostrada en la figura 2, las entradas de la capa de entrada se alimentan de todas la capas H1, H2 y H3 ocultas intermedias para evitar la perdida de informacion de entrada. Ademas, cada capa oculta se conecta a un grupo de salida, es decir una capa H1 oculta se conecta a un grupo O1 de salida, una capa H2 oculta se conecta a un grupo O2 de salida y una capa H3 oculta se conecta a un grupo O3 de salida. De manera similar a la figura 1, los grupos de salida mostrados en la figura 2 representan salidas de energfa futuras correspondientes del parque eolico predichas por la red neuronal. En la realizacion mostrada en la figura 2, cada grupo de salida representa las mismas salidas de energfa futuras. La salida de energfa final determinada por un punto en el tiempo correspondiente puede representarse por el valor medio de las salidas de energfa de cada grupo de salida.

Cuando la red de la figura 2 aprende, el aprendizaje no solo se aplica a la ultima capa de salida sino tambien a las capas ocultas intermedias. En una primera etapa de la red mostrada en la figura 2 (capa H1 oculta), la prevision de la salida de energfa solo se basa en los datos de entrada de la capa I de entrada. En una segunda etapa (capa H2 oculta), la red no solo usa las influencias externas sino tambien la informacion de entrada procesada de la etapa previa, es decir el flujo de informacion desde la primera capa H1 oculta. Lo mismo se aplica a la capa H3 oculta que usa la informacion procesada de la capa H2 oculta ademas de la informacion de entrada de la capa I de entrada.

En otra realizacion de la invencion, el conjunto de redes neuronales puede comprender una combinacion de la red neuronal recurrente de la figura 1 y la red de realimentacion positiva de la figura 2. Copias de la red de realimentacion positiva de la figura 2 pueden sustituir en la red de la figura 1 al acoplamiento entre las entradas y los grupos neuronales ocultos mediante matrices B. Es decir, la capa de salida de la red NN2 se usa como grupo neuronal en la capa H oculta. Ademas, la matriz B de la figura 1 se sustituye por la estructura de la figura 2 que acopla la capa I de entrada con los grupos O1 a O3 de salida. Ademas, cada vector xt-3, xt-2 y sucesivos de entrada mostrado en la figura 1 se sustituye por la capa I de entrada mostrada en la figura 2. Tambien pueden usarse otras variantes de redes neuronales segun la invencion. Sin embargo, las redes neuronales necesitan estar estructuradas y aprender de modo que puedan proporcionar previsiones apropiadas para una secuencia de salidas de energfa futuras de un parque eolico u otra central de generacion de energfa. Es decir, las redes neuronales aprenden mediante datos de entrenamiento apropiados correspondientes a entradas conocidas y salidas de energfa conocidas de la central de generacion de energfa.

5

10

15

20

25

30

35

40

45

50

55

60

65

La invencion utiliza un conjunto de redes neuronales que han aprendido de manera apropiada en el que cada red del conjunto difiere de las otras redes. Particularmente, las redes pueden tener estructuras diferentes o pueden aprender o inicializarse de manera diferente. Particularmente, es posible utilizar la misma estructura para todas las redes neuronales del conjunto, pero cada red neuronal aprende con datos de entrenamiento diferentes y/o con parametros de aprendizaje diferentes. Por ejemplo, las velocidades de aprendizaje de las redes pueden ser diferentes. Ademas, las redes pueden inicializarse mediante matrices diferentes (aleatorias).

La figura 3 muestra un diagrama DI que ilustra la prediccion de cantidades de energfa para un horizonte de prevision segun una realizacion de la invencion. Las abscisas t del diagrama DI corresponden a un horizonte de prevision desde el presente t0 hasta un punto en el tiempo futuro t1. En este periodo de tiempo, se calculan diferentes cantidades de energfa en forma de bloques EA1, EA2 y EA3 de energfa para intervalos TI de tiempo correspondientes. Por razones de claridad solo algunos de los intervalos de tiempo y solo algunos de los bloques de energfa se designan con numeros de referencia. Las cantidades EA1 de energfa se indican mediante bloques con sombreado oblicuo, las cantidades EA2 de energfa se indican mediante bloques con puntos y las cantidades EA3 de energfa se indican mediante bloques con sombreado vertical. Los lfmites superiores de los bloques EA1, EA2 y EA3 corresponden a los niveles L1, l2 y L3 de energfa, respectivamente. Esos niveles de energfa corresponden a niveles particulares de potencia P electrica segun las ordenadas del diagrama DI. A continuacion se describira el calculo de este nivel de energfa.

Para una pluralidad de diferentes puntos en el tiempo dentro del periodo de tiempo entre t0 y t1, se calculan las salidas de energfa correspondientes de cada una de las redes neuronales en el conjunto de redes neuronales. La distancia entre puntos en el tiempo posteriores es inferior al intervalo TI de tiempo, es decir el intervalo TI de tiempo incluye varios puntos en el tiempo. Particularmente, un intervalo TI de tiempo puede referirse a un periodo de tiempo de un dfa, mientras que la diferencia entre puntos en el tiempo posteriores puede ser un intervalo de una hora. Para todos los puntos en el tiempo dentro de un intervalo TI de tiempo correspondiente, se determina el histograma de las apariciones de las salidas de energfa previstas por la pluralidad de redes neuronales. Despues, se derivan los niveles L1, L2 y L3 de energfa para niveles de confianza correspondientes. Cada nivel de confianza especifica un porcentaje de las salidas de energfa incluidas en el histograma que tienen un valor igual o superior al nivel de energfa correspondiente que va a determinarse. Es decir, basandose en un umbral de confianza predeterminado (por ejemplo, del 99%) la prediccion de las salidas de energfa y los valores de confianza indican que la energfa disponible en este periodo de tiempo es igual o superior al nivel de energfa mostrado para esta confianza en el eje Y.

Las cantidades EA1, EA2 y EA3 de energfa correspondientes dentro de un intervalo TI de tiempo respectivo se definen de la siguiente manera. La cantidad EA1 de energfa se refiere a la energfa acumulada representada por el area bajo el nivel L1 de energfa dentro de un intervalo TI de tiempo respectivo. La cantidad eA2 de energfa se refiere a la energfa acumulada entre el nivel L2 de energfa y el nivel L1 de energfa dentro de un intervalo TI de tiempo respectivo. El nivel EA3 de energfa se refiere a la energfa acumulada entre el nivel L3 de energfa y el nivel L2 de energfa dentro del intervalo TI de tiempo. Obviamente, los diferentes bloques de energfa segun los diferentes niveles de confianza tienen una probabilidad de disponibilidad diferente. Particularmente, los porcentajes asignados a los niveles de confianza disminuyen desde el nivel de confianza representado por el nivel Li de energfa hasta el nivel de confianza representado por el nivel L3 de energfa. En la realizacion mostrada en la figura 3, el nivel de confianza que hace referencia al nivel Li de energfa se refiere a que es seguro que una cantidad de energfa esta disponible, es decir a una cantidad de energfa comparable con la carga basica. Esto puede corresponder a un porcentaje de, por ejemplo, el 99%. La cantidad EA2 de energfa representa un menor porcentaje de, por ejemplo, el 80% y se refiere a una energfa que tiene una alta probabilidad de estar disponible. Por el contrario, la cantidad EA3 de energfa se refiere al nivel de confianza mas bajo, de, por ejemplo, el 60% y corresponde a un bloque de energfa de energfa fluctuante.

Segun las cantidades de energfa futuras para los diferentes niveles de confianza, se definen diferentes usos para estas cantidades. En la realizacion mostrada en la figura 3, los usos se refieren a ofrecer las partes de las cantidades de energfa correspondientes todavfa no vendidas o todavfa no reservadas de otro modo como energfa consumible a terceras partes, por ejemplo mediante una plataforma de comercializacion de energfa. El precio por unidad de la cantidad de energfa disminuye desde la cantidad EA1 de energfa hasta la cantidad EA3 de energfa dentro de un intervalo TI de tiempo debido al hecho de que la probabilidad de que la energfa este disponible disminuye. Ademas, los precios por unidad de un intervalo de tiempo al siguiente en el futuro para cantidades de energfa correspondientes disminuiran debido a que la fiabilidad de las previsiones disminuira.

Aparte del nivel de confianza utilizado en la figura 3, pueden definirse niveles de confianza adicionales. Las cantidades de energfa correspondientes de esos niveles de confianza pueden tener otros usos. Por ejemplo, se puede definir un nivel de confianza para una cantidad de energfa que va a utilizarse como una denominada energfa de control. Esta cantidad de energfa se refiere a un nivel de confianza bajo tal que la energfa no es adecuada para venderse como energfa consumible, pero puede ofrecerse como energfa de reserva para un operador de red en caso de fluctuacion de energfa en la red de energfa. El precio por unidad para esta energfa de control es mucho menor que la energfa consumible directamente. Ademas, puede definirse un nivel de confianza incluso menor para una cantidad de energfa no destinada a ofrecerse a terceras partes debido al alto riesgo de falta de disponibilidad. Si

se desea, esta cantidad de ene^a puede utilizarse para reducir las emisiones de ruido del parque eolico y prolongar la vida util de las turbinas eolicas o de un parque eolico, por ejemplo haciendo funcionar las turbinas eolicas a velocidades de rotacion menores. Ademas, esta ene^a puede utilizarse para realizar trabajos de mantenimiento, es decir algunas de las turbinas eolicas en el parque eolico se paran de modo que la produccion de energfa se reduce 5 en esta energfa. Por tanto, pueden realizarse trabajos de mantenimientos en las turbinas eolicas paradas.

La invencion tal como se describe a continuacion tiene varias ventajas. Particularmente, la cantidad de energfa prevista dentro de un periodo de tiempo futuro puede clasificarse segun la probabilidad de que la energfa este disponible. Segun las diferentes categonas, se asocian diferentes usos con las correspondientes cantidades de 10 energfa. Las cantidades de energfa comparables con la carga basica que es seguro que estan disponibles pueden venderse a precios especiales. Las cantidades de energfa con un nivel de confianza menor pueden venderse a precios reducidos, por ejemplo como energfa de control, o pueden utilizarse para reducir el consumo de vida util o las emisiones de ruido de la central de generacion de energfa. Ademas, la informacion sobre las cantidades de energfa futuras segun los niveles de confianza puede ofrecerse a un operador de red de energfa para la planificacion 15 de curvas de produccion de energfa fosil.

Claims

5

10

15

20

25

30

35
2.

40
3.

45
4.

50
5. 55
6.

60

REIVINDICACIONES

Metodo para la determinacion asistida por ordenador del uso de energfa electrica producida por una central de generacion de ene^a, particularmente una central de generacion de energfa renovable, siendo la energfa electrica fluctuante, que comprende las etapas de:

- proporcionar una pluralidad de redes (NN1, NN2) neuronales que aprenden mediante datos de entrenamiento, comprendiendo cada red (NN1, NN2) neuronal una capa (I) de entrada de neuronas para describir entradas (xt-3, Xt-2, xt-i, xt) que afectan a la ene^a producida por la central, una o mas capas (H, Hi, H2, H3) ocultas de neuronas y una capa (O, O1, O2, O3) de salida de neuronas para describir salidas (yt-3, yt-2, yt-1, yt, yt+i, yt+2, yt+3) de ene^a de la central, comprendiendo dichas salidas de ene^a salidas (yt+i, yt+2, yt+3) de ene^a futuras para una pluralidad de puntos en el tiempo dentro de un periodo de tiempo futuro, en el que cada red (NN1, NN2) neuronal tiene una estructura diferente y/o aprende de manera diferente;

- prever las salidas (yt+1, yt+2, yt+3) de energfa futuras para la pluralidad de puntos en el tiempo por cada red (NN1, NN2) neuronal; caracterizado por las etapas de:

- calcular uno o mas histogramas de salidas (yt+1, yt+2, yt+3) de energfa futuras, representando cada histograma la distribucion de salidas (yt+1, yt+2, yt+3) de energfa futuras previstas por la pluralidad de redes (NN1, NN2) neuronales para puntos en el tiempo en un intervalo (Tl) de tiempo correspondiente que comprende uno o mas puntos en el tiempo posteriores;

- determinar uno o mas niveles de energfa para cada intervalo (Tl) de tiempo, en el que cada nivel (L1, L2, L3) de energfa se deriva a partir de un nivel de confianza de varios niveles de confianza, representando cada nivel de confianza un porcentaje de las salidas (yt+1, yt+2, yt+3) de energfa futuras en el histograma correspondiente, en el que cada salida (yt+1, yt+2, yt+3) de energfa futura dentro de este porcentaje tiene un valor igual o superior al nivel (L1, L2, L3) de energfa que se deriva para el nivel de confianza correspondiente;

- asignar usos predeterminados a cantidades (EA1, EA2, EA3) de energfa segun cada nivel de energfa en cada intervalo (Tl) de tiempo, en el que una cantidad (EA1, EA2, EA3) de energfa segun un nivel (L1, L2, L3) de energfa representa la energfa entre el nivel (EA1, EA2, EA3) de energfa y el siguiente menor nivel de energfa en el intervalo (Tl) de tiempo respectivo.

Metodo segun una de las reivindicaciones anteriores, en el que la pluralidad de redes (NN1, NN2) neuronales comprende una o mas redes (NN1) neuronales recurrentes, particularmente redes neuronales recurrentes con retardo en el tiempo desplegada en el tiempo, y/o una o mas redes (NN2) de realimentacion positiva y/o una o mas redes que implementan al menos una red (NN1) de realimentacion positiva en al menos una red (NN1) neuronal recurrente.

Metodo segun la reivindicacion 1 o 2, en el que la central de generacion de energfa renovable es una central de energfa eolica que comprende varias turbinas eolicas y/o una central de energfa solar que comprende varios paneles solares.

Metodo segun una de las reivindicaciones anteriores, en el que los niveles de confianza comprenden uno o mas primeros niveles de confianza, en el que el uso de la cantidad (EA1, EA2, EA3) de energfa segun el nivel (L1, L2, L3) de energfa correspondiente a un primer nivel de confianza es tal que la parte de la cantidad (EA1, EA2, EA3) de energfa todavfa no vendida a terceras partes o todavfa no reservada de otro modo se ofrece a terceras partes como energfa consumible a un precio predeterminado por unidad, en el que el precio predeterminado por unidad aumenta con un porcentaje creciente de las salidas (yt+1, yt+2, yt+3) de energfa futuras representadas por el primer nivel de confianza.

Metodo segun la reivindicacion 4, en el que las cantidades (EA1, EA2, EA3) de energfa ofrecidas a terceras partes se comercializan en una plataforma de comercializacion de energfa.

Metodo segun una de las reivindicaciones anteriores, en el que las entradas (xt-3, xt-2, Xt-1, xt) de cada red (NN1, NN2) neuronal comprenden datos acerca del entorno de la central de generacion de energfa y/o una o mas caractensticas de la central de generacion de energfa, particularmente datos meteorologicos en una pluralidad de posiciones en el entorno de la central de generacion de energfa y/o datos geograficos acerca de la ubicacion de la central de generacion de energfa.

Metodo segun una de las reivindicaciones anteriores, en el que las entradas (xt-3, xt-2, xt-1, xt) de cada red (NN1, NN2) neuronal comprenden datos, particularmente datos meteorologicos, medidos en puntos de tiempo del pasado y/o predichos para puntos de tiempo futuros.

5 9.

10

15
10.

20
11.

25
12.

30 13.
14.

35
15.

40

Metodo segun la reivindicacion 6 6 7, en el que los datos meteorologicos comprenden valores de temperatura y/o valores de presion atmosferica y/o valores de humedad atmosferica y/o velocidades de viento y/o direcciones de viento y/o valores de turbulencia y/o parametros acerca de la radiacion solar.

Metodo segun una de las reivindicaciones anteriores, en el que los niveles de confianza comprenden uno o mas segundos niveles de confianza que representan preferiblemente un porcentaje menor que el primer nivel de confianza, en el que el uso de la cantidad (EA1, EA2, EA3) de energfa segun el nivel (L1, L2, L3) de energfa correspondiente a un segundo nivel de confianza comprende uno de los siguientes usos:

- ofrecer la parte de la cantidad (EA1, EA2, EA3) de energfa todavfa no vendida a terceras partes o todavfa no reservada de otro modo como energfa de control a terceras partes;

- abstenerse de ofrecer la parte de la cantidad (EA1, EA2, EA3) de energfa todavfa no vendida a terceras partes o todavfa no reservada de otro modo a terceras partes y opcionalmente reservar esta parte la cantidad de energfa para prolongar la vida util de la central de generacion de energfa y/o reducir las emisiones de ruido de la central de generacion de energfa y/o realizar trabajos de mantenimiento en la central de generacion de energfa.

Metodo segun una de las reivindicaciones anteriores en combinacion con la reivindicacion 2, en el que al menos una red (NN1) de realimentacion positiva comprende varias capas (H1, H2, H3) ocultas, estando cada capa oculta acoplada a un grupo (O1, O2, O3) de salida separado.

Metodo segun la reivindicacion 10, en el que la capa (I) de entrada de la al menos una red (NN1) de realimentacion positiva se acopla a cada capa (H1, h2, H3) oculta.

Metodo segun una de las reivindicaciones anteriores, en el que cada red (NN1, NN2) neuronal de la pluralidad de redes (NN1, NN2) neuronales aprende con datos de entrenamiento diferentes y/o parametros de aprendizaje diferentes y/o se inicializa de manera diferente para la aprendizaje.

Metodo segun una de las reivindicaciones anteriores, en el que los niveles de confianza se adaptan basandose en una comparacion entre las salidas de energfa reales y las salidas (yt+1, yt+2, yt+3) de energfa correspondientes que se habfan previsto por cada red (NN1, NN2) neuronal .

Producto de programa informatico que comprende un codigo de programa almacenado en un medio legible por ordenador para realizar un metodo segun una de las reivindicaciones anteriores cuando el codigo de programa se ejecuta en un ordenador.

Programa informatico que comprende un codigo de programa para realizar un metodo segun una de las reivindicaciones 1 a 13 cuando el codigo de programa se ejecuta en un ordenador.