Análisis de componentes principales desarrollado en energías renovables. Aplicación a sistemas dinámicos y biomédicos

• Autores: Álvarez Picaza, Carlos; Pisarello, María Inés; Monzón, Jorge Emilio
• Año de publicación: 2016
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: PCA; Compresión de datos; Factores
• Institución: Universidad Nacional del Nordeste

Fil: Álvarez Picaza, Carlos. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Fil: Pisarello, María Inés. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Fil: Monzón, Jorge Emilio. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
En la constante búsqueda del método automático que mejor clasifique las señales que arrojan las distintas clases de energías renovables, ya sea un algoritmo que contemple los aspectos temporales o morfológicos de la señal, es inevitable la acumulación de gran cantidad de datos. Como solución a este problema surgen técnicas estadísticas capaces de reducir el número de variables necesarias. Una consecuencia directa es la obtención de datos normalizados y procesos más eficientes que agilizan los tiempos computacionales y además economizan en espacio de almacenamiento. El análisis y la clasificación de dichas señales pueden realizarse a partir de estudios temporales y morfológicos. El Análisis de Componentes Principales (PCA) es un método que reduce la dimensión de los datos realizando un análisis de covarianza entre factores. A partir del estudio de una central eléctrica compuesta por paneles solares y aerogeneradores, conformamos una matriz dinámica; a la cual aplicamos las técnicas de PCA. Como resultado obtuvimos, en la gran mayoría, reducciones de hasta el 50 % en el número de variables. De un total de diez (10) variables originales, se logró concentrar más del 96 % de la información en sólo cinco (5) componentes principales. Además su aplicación es compatible a cualquier clase de sistemas, inclusive lo biomédicos.