Modelo Híbrido de aprendizaje automático y conocimiento físico para la predicción semanal de producción eólica. Caso de estudio: Central eólica Huascachaca

Abstract

El crecimiento de la generación eólica en el sistema eléctrico ecuatoriano ha incrementado la necesidad de herramientas de pronóstico precisas para la planificación operativa semanal. En este trabajo se propone un modelo hibrido para la central Huascachaca, que combina un enfoque físico basado en la curva de potencia de la turbina con un modelo Long Short-Term Memory para modelar residuos y dependencias temporales. Se emplearon datos históricos horarios estructurados en secuencias temporales para predicciones de 168 horas. Los resultados muestran que el modelo hibrido supera al modelo físico, al LSTM individual y al método tradicional utilizado en la central, alcanzando un MAE de 428.90 kWh, un RMSE de 703.14 kWh y un R2 de 0.556, evidenciando una mejora en la precisión del pronóstico. Se concluye que la integración de modelos físicos y aprendizaje automático permite obtener pronósticos más precisos y robustos, incluso con información meteorológica limitada.