Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas

Autores
Ungerovich, Matilde
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Uruguay ha sido reconocido a nivel internacional por su exitosa transición energética, alcanzando una matriz eléctrica compuesta en un 90 % por fuentes renovables, con una participación destacada de la energía hidroeléctrica, eólica y solar (REN21, 2024). Según datos preliminares del Balance Energético 2024 (MIEM, 2025), la generación eléctrica del país creció un 34 % respecto al año anterior, con un 99 % proveniente de fuentes renovables. Este proceso no solo involucró una diversificación en la generación, sino también el desarrollo de instrumentos de predicción y planificación avanzados, que hoy son clave para la gestión eficiente del sistema. En este contexto, disponer de herramientas que permitan traducir la información climática en indicadores operativos para el sistema eléctrico es cada vez más relevante. Este trabajo apunta a contribuir en esa dirección, presentando un enfoque que combina modelos climáticos regionales, corrección estadística y aprendizaje profundo para estimar el caudal en Salto Grande, una de las principales represas del país. El objetivo es utilizar las salidas corregidas de RegCM5 para calcular el caudal en la represa de Salto Grande.
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
RegCM
Salto Grande
Caudal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/193672
Acceder
id SEDICI_79e46c61bba269ff792820d3a192247d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/193672
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundasUngerovich, MatildeMeteorologíaRegCMSalto GrandeCaudalUruguay ha sido reconocido a nivel internacional por su exitosa transición energética, alcanzando una matriz eléctrica compuesta en un 90 % por fuentes renovables, con una participación destacada de la energía hidroeléctrica, eólica y solar (REN21, 2024). Según datos preliminares del Balance Energético 2024 (MIEM, 2025), la generación eléctrica del país creció un 34 % respecto al año anterior, con un 99 % proveniente de fuentes renovables. Este proceso no solo involucró una diversificación en la generación, sino también el desarrollo de instrumentos de predicción y planificación avanzados, que hoy son clave para la gestión eficiente del sistema. En este contexto, disponer de herramientas que permitan traducir la información climática en indicadores operativos para el sistema eléctrico es cada vez más relevante. Este trabajo apunta a contribuir en esa dirección, presentando un enfoque que combina modelos climáticos regionales, corrección estadística y aprendizaje profundo para estimar el caudal en Salto Grande, una de las principales represas del país. El objetivo es utilizar las salidas corregidas de RegCM5 para calcular el caudal en la represa de Salto Grande.Facultad de Ciencias Astronómicas y Geofísicas2025info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/193672spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A2_T155.pdfinfo:eu-repo/semantics/reference/hdl/10915/193317info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-05-06T13:00:43Zoai:sedici.unlp.edu.ar:10915/193672Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-05-06 13:00:44.012SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
title Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
spellingShingle Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
Ungerovich, Matilde
Meteorología
RegCM
Salto Grande
Caudal
title_short Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
title_full Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
title_fullStr Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
title_full_unstemmed Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
title_sort Estimación de caudal en Salto Grande a partir de salidas corregidas de REGCM y redes neuronales profundas
dc.creator.none.fl_str_mv Ungerovich, Matilde
author Ungerovich, Matilde
author_facet Ungerovich, Matilde
author_role author
dc.subject.none.fl_str_mv Meteorología
RegCM
Salto Grande
Caudal
topic Meteorología
RegCM
Salto Grande
Caudal
dc.description.none.fl_txt_mv Uruguay ha sido reconocido a nivel internacional por su exitosa transición energética, alcanzando una matriz eléctrica compuesta en un 90 % por fuentes renovables, con una participación destacada de la energía hidroeléctrica, eólica y solar (REN21, 2024). Según datos preliminares del Balance Energético 2024 (MIEM, 2025), la generación eléctrica del país creció un 34 % respecto al año anterior, con un 99 % proveniente de fuentes renovables. Este proceso no solo involucró una diversificación en la generación, sino también el desarrollo de instrumentos de predicción y planificación avanzados, que hoy son clave para la gestión eficiente del sistema. En este contexto, disponer de herramientas que permitan traducir la información climática en indicadores operativos para el sistema eléctrico es cada vez más relevante. Este trabajo apunta a contribuir en esa dirección, presentando un enfoque que combina modelos climáticos regionales, corrección estadística y aprendizaje profundo para estimar el caudal en Salto Grande, una de las principales represas del país. El objetivo es utilizar las salidas corregidas de RegCM5 para calcular el caudal en la represa de Salto Grande.
Facultad de Ciencias Astronómicas y Geofísicas
description Uruguay ha sido reconocido a nivel internacional por su exitosa transición energética, alcanzando una matriz eléctrica compuesta en un 90 % por fuentes renovables, con una participación destacada de la energía hidroeléctrica, eólica y solar (REN21, 2024). Según datos preliminares del Balance Energético 2024 (MIEM, 2025), la generación eléctrica del país creció un 34 % respecto al año anterior, con un 99 % proveniente de fuentes renovables. Este proceso no solo involucró una diversificación en la generación, sino también el desarrollo de instrumentos de predicción y planificación avanzados, que hoy son clave para la gestión eficiente del sistema. En este contexto, disponer de herramientas que permitan traducir la información climática en indicadores operativos para el sistema eléctrico es cada vez más relevante. Este trabajo apunta a contribuir en esa dirección, presentando un enfoque que combina modelos climáticos regionales, corrección estadística y aprendizaje profundo para estimar el caudal en Salto Grande, una de las principales represas del país. El objetivo es utilizar las salidas corregidas de RegCM5 para calcular el caudal en la represa de Salto Grande.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/193672
url http://sedici.unlp.edu.ar/handle/10915/193672
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4
info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A2_T155.pdf
info:eu-repo/semantics/reference/hdl/10915/193317
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1864469145487147008
score 13.1485815

Publicaciones similares