Bayesian enhanced modified forecasting approach: application to wind power series
- Autores
- Rodríguez Rivero, Cristian; Pucheta, Julián; Gorrostieta, Efren; Patiño, H. Daniel; Laboret, Sergio; Sauchelli, Víctor
- Año de publicación
- 2016
- Idioma
- inglés
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Fil: Gorrostieta, Efren. Universidad Autónoma de Queretaro. Laboratorio de Mecatrónica; Argentina.
Fil: Patiño, H. Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
In this paper, we propose theBayesian Enhanced modified (BEMA) predictor filter to forecast wind powerseries. Wind power forecasting is a complex, multi-dimensional, and highlynon-linear system. Artificial Neural networks are able to learn therelationship between system inputs and outputs without mathematical conversion,and perform complex non-linear mapping, data classification and prediction. Thegoal of this work it to implement the BEMA approach to design a wind powerforecasting system, with particularly interest in short-term prediction byusing the data model selected, which is used to extract information to makeprediction. The conducted results show that this method can be used to improvethe predictability of short-term wind time series with a suitable number ofneural nets parameters using a heuristic method based on Kullback-Leiblerdivergence compared to that of reported in the literature.
Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Fil: Gorrostieta, Efren. Universidad Autónoma de Queretaro. Laboratorio de Mecatrónica; Argentina.
Fil: Patiño, H. Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.
Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.
Sistemas de Automatización y Control - Materia
-
Ingeniería Electrónica
Energía eólica
Pronóstico del clima
BEMA
Mecatrónica - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
.jpg)
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/554213
Ver los metadatos del registro completo
| id |
RDUUNC_352acd7fee42678add07335d098aad5f |
|---|---|
| oai_identifier_str |
oai:rdu.unc.edu.ar:11086/554213 |
| network_acronym_str |
RDUUNC |
| repository_id_str |
2572 |
| network_name_str |
Repositorio Digital Universitario (UNC) |
| spelling |
Bayesian enhanced modified forecasting approach: application to wind power seriesRodríguez Rivero, CristianPucheta, JuliánGorrostieta, EfrenPatiño, H. DanielLaboret, SergioSauchelli, VíctorIngeniería ElectrónicaEnergía eólicaPronóstico del climaBEMAMecatrónicaFil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Fil: Gorrostieta, Efren. Universidad Autónoma de Queretaro. Laboratorio de Mecatrónica; Argentina.Fil: Patiño, H. Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.In this paper, we propose theBayesian Enhanced modified (BEMA) predictor filter to forecast wind powerseries. Wind power forecasting is a complex, multi-dimensional, and highlynon-linear system. Artificial Neural networks are able to learn therelationship between system inputs and outputs without mathematical conversion,and perform complex non-linear mapping, data classification and prediction. Thegoal of this work it to implement the BEMA approach to design a wind powerforecasting system, with particularly interest in short-term prediction byusing the data model selected, which is used to extract information to makeprediction. The conducted results show that this method can be used to improvethe predictability of short-term wind time series with a suitable number ofneural nets parameters using a heuristic method based on Kullback-Leiblerdivergence compared to that of reported in the literature.Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Fil: Gorrostieta, Efren. Universidad Autónoma de Queretaro. Laboratorio de Mecatrónica; Argentina.Fil: Patiño, H. Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina.Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina.Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina.Sistemas de Automatización y Control2016info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf978-950-99994-9-7http://hdl.handle.net/11086/554213enginfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:41:44Zoai:rdu.unc.edu.ar:11086/554213Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:41:44.784Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
| dc.title.none.fl_str_mv |
Bayesian enhanced modified forecasting approach: application to wind power series |
| title |
Bayesian enhanced modified forecasting approach: application to wind power series |
| spellingShingle |
Bayesian enhanced modified forecasting approach: application to wind power series Rodríguez Rivero, Cristian Ingeniería Electrónica Energía eólica Pronóstico del clima BEMA Mecatrónica |
| title_short |
Bayesian enhanced modified forecasting approach: application to wind power series |
| title_full |
Bayesian enhanced modified forecasting approach: application to wind power series |
| title_fullStr |
Bayesian enhanced modified forecasting approach: application to wind power series |
| title_full_unstemmed |
Bayesian enhanced modified forecasting approach: application to wind power series |
| title_sort |
Bayesian enhanced modified forecasting approach: application to wind power series |
| dc.creator.none.fl_str_mv |
Rodríguez Rivero, Cristian Pucheta, Julián Gorrostieta, Efren Patiño, H. Daniel Laboret, Sergio Sauchelli, Víctor |
| author |
Rodríguez Rivero, Cristian |
| author_facet |
Rodríguez Rivero, Cristian Pucheta, Julián Gorrostieta, Efren Patiño, H. Daniel Laboret, Sergio Sauchelli, Víctor |
| author_role |
author |
| author2 |
Pucheta, Julián Gorrostieta, Efren Patiño, H. Daniel Laboret, Sergio Sauchelli, Víctor |
| author2_role |
author author author author author |
| dc.subject.none.fl_str_mv |
Ingeniería Electrónica Energía eólica Pronóstico del clima BEMA Mecatrónica |
| topic |
Ingeniería Electrónica Energía eólica Pronóstico del clima BEMA Mecatrónica |
| dc.description.none.fl_txt_mv |
Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Fil: Gorrostieta, Efren. Universidad Autónoma de Queretaro. Laboratorio de Mecatrónica; Argentina. Fil: Patiño, H. Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina. Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. In this paper, we propose theBayesian Enhanced modified (BEMA) predictor filter to forecast wind powerseries. Wind power forecasting is a complex, multi-dimensional, and highlynon-linear system. Artificial Neural networks are able to learn therelationship between system inputs and outputs without mathematical conversion,and perform complex non-linear mapping, data classification and prediction. Thegoal of this work it to implement the BEMA approach to design a wind powerforecasting system, with particularly interest in short-term prediction byusing the data model selected, which is used to extract information to makeprediction. The conducted results show that this method can be used to improvethe predictability of short-term wind time series with a suitable number ofneural nets parameters using a heuristic method based on Kullback-Leiblerdivergence compared to that of reported in the literature. Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Fil: Gorrostieta, Efren. Universidad Autónoma de Queretaro. Laboratorio de Mecatrónica; Argentina. Fil: Patiño, H. Daniel. Universidad Nacional de San Juan. Instituto de Automática; Argentina. Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Laboret, Sergio. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. Fil: Sauchelli, Víctor. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Investigación Matemática Aplicada a control; Argentina. Sistemas de Automatización y Control |
| description |
Fil: Rodríguez Rivero, Cristian. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento de Ingeniería Electrónica; Argentina. |
| publishDate |
2016 |
| dc.date.none.fl_str_mv |
2016 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
978-950-99994-9-7 http://hdl.handle.net/11086/554213 |
| identifier_str_mv |
978-950-99994-9-7 |
| url |
http://hdl.handle.net/11086/554213 |
| dc.language.none.fl_str_mv |
eng |
| language |
eng |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
| reponame_str |
Repositorio Digital Universitario (UNC) |
| collection |
Repositorio Digital Universitario (UNC) |
| instname_str |
Universidad Nacional de Córdoba |
| instacron_str |
UNC |
| institution |
UNC |
| repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
| repository.mail.fl_str_mv |
oca.unc@gmail.com |
| _version_ |
1844618909684072448 |
| score |
13.070432 |