Nombre del curso

Técnicas de inteligencia artificial aplicadas a la producción de energía eólica. Nivel medio

Duración

20 horas

Fecha de impartición

Del 1 al 10 de abril

Horario

17:30 a 20:30

Lugar de Impartición

Alenza 1, Sala XX

Requisitos

Conocimientos en Matlab

Objetivos

Las técnicas de inteligencia artificial se han convertido, en los últimos años, en herramientas fundamentales para obtener productos y servicios de alto valor añadido a partir del análisis, eficaz y eficiente, de la ingente cantidad de datos que se generan diariamente en todos los ámbitos de nuestra sociedad. Sectores tales como la banca, las comunicaciones, la logística, la sanidad, la producción industrial, el e-commerce, la ciberseguridad y un largo etcétera, han visto mejorados sus procesos productivos como consecuencia de la implementación de novedosas técnicas de inteligencia artificial, que les han permitido mejorar significativamente sus productos, optimizar sus operaciones o crear nuevos servicios más adaptados a las necesidades de sus clientes. En el ámbito de la producción de energía eléctrica, la inteligencia artificial se ha mostrado como un aliado fundamental a la hora de realizar una planificación y gestión más precisa de un recurso tan variable en el espacio y el tiempo como es el viento, tanto en el diseño de parques eólicos como en la predicción de generación energía eólica esperada en los próximos días o la gestión del mantenimiento. En definitiva, más y más empresas demandan profesionales con conocimientos en técnicas de inteligencia artificial capaces de liderar, con éxito, la transformación digital y el avance imparable hacia ese nuevo paradigma que es la cultura del dato.

Contenidos académicos

  1. Viento (4 horas)

1.1.     La variable viento.

1.2.     La medida del viento.

1.3.     Fuentes de información fiables.

1.4.     Modelos numéricos de predicción.

2.   Algoritmos de inteligencia artificial (8 horas)

2.1.     Introducción: Aprendizaje Máquina (ML).

2.2.     Principales problemas que se abordan con ML.

2.3.     Técnicas de ML en clasificación y regresión:

2.3.1. Redes neuronales (MLPs).

2.3.2. Máquinas de Aprendizaje Extremo (ELMs).

2.3.3. Máquinas de Vectores Soporte (SVMs).

2.3.4. Procesos Gaussianos (GPRs).

2.3.5. Revisión de técnicas de ML clásicas.

3.  Aplicación práctica (8 horas)

3.1.     Descripción de aplicaciones en Energía Eólica:

3.1.1. Predicción de viento y potencia en parques eólicos.

3.1.2. Reconstrucción de campos de viento.

3.2.     Aplicación de técnicas de aprendizaje máquina en un problema de energía eólica (práctica con Matlab):

3.2.1. Definición del problema.

3.2.2. Datos y variables predictivas.

3.2.3. Desarrollo experimental.

Habilidades adquiridas

1. Adquirir conocimientos básicos sobre las principales fuentes de información que hay sobre la variable viento de las que se puede obtener información útil para la producción de energía eólica.

2. Conocer las principales técnicas de inteligencia artificial que actualmente se utilizan en problemas de clasificación y regresión dentro de la producción y gestión de la energía eólica, en particular, pero que, con carácter general, son de aplicación a numerosos sectores empresariales (banca, comunicaciones, optimización de procesos, logística, etc.).

3. Ser capaz de afrontar problemas reales de clasificación o regresión en los que se pueden aplicar técnicas de inteligencia artificial.

Profesorado

Dr. Sancho Salcedo Sanz, Catedrático de Teoría de la Señal. Universidad de Alcalá.

Dra. Laura Cornejo Bueno. Investigadora. Universidad de Alcalá.

Dr. Carlos Casanova Mateo. Meteorólogo del Estado. Agencia Estatal de Meteorología.

Público destinatario

Profesionales y estudiantes

Arancel

240€ Profesionales
200€ Colegiados
120€ Estudiantes

Más información

XXX

Procedimiento de matriculación

Deberá inscribirse en el formulario

Formas de pago disponibles

TRANSFERENCIA O DEPÓSITO BANCARIO

CUENTA DE LA CAIXA.

Nº ES74 2100 2721 4202 0008 8149

TARJETA DE CRÉDITO

PAYPAL

paypal.me/FundacionGomezPardo

Compartir este curso:

Colaboradores