Este estudio se enfoca en el desarrollo de un marco de análisis de datos para visualizar los datos colectados a partir del sistema SCADA y la predicción basada en la memoria a largo y corto plazo (LSTM) apoyado en redes neuronales recurrentes. El análisis de datos es presentado en coordenadas cartesianas, polares y cilíndricas para comprender la relación entre generación eólica y energía. Adicionalmente, las predicciones factores como velocidad del viento, dirección, potencia activa generada y potencia teórica son comparadas con métodos de última generación. El modelo resulta ser aplicable en escenarios reales como método de apoyo en la gestión de energía generada a través de turbinas eólicas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desarrollo y validación de una nueva condición límite para el análisis de admisión con distorsión
Artículo:
Enfoque de mapa guardián para el rango factible de margen de estabilidad estática de vehículos de vuelo hipersónico con saturación de entrada
Artículo:
Investigación sobre el convertidor Buck controlado por tren de pulsos de doble portadora
Artículo:
Determinación autónoma de la órbita para una constelación híbrida
Artículo:
Estudio sobre el modelo integrado de entrada y motor con retroalimentación de la posición normal del choque
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
Estudio sobre la migración global de materiales plásticos de empaque usados en la industria de alimentos
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Artículo:
¿Por qué debemos conservar la fauna silvestre?