Repositorio que refleja el desarrollo de mi proyecto de fin de grado
Analisis_viento_potencia.ipynb: notebook con representaciones gráficas de los datos para una mayor comprensión de los mismos. Contiene gráficas de
prediccion_de_potencias_con_regresión.ipynb: notebook con 2 modelos de regresión para predecir los datos de la potencia general del parque. Los modelos de regresión están hechos con tensorflow y son una regresión polinomial, un random forest y un random forest con la librería ydf.
pruebas_hiperparámetros.ipynb: notebook en el que se prueban los distintos parámetros de los modelos generales para elegir los más adecuados.
prediccion_poencias_individuales_con_regresión.ipynb: notebook con los dos modelos de regresión adaptados para predecir las potencias individuales de cada turbina en base a sus velocidades. Predicen todas las potencias individuales a la vez y tienen como datos de entrada todas las velociades individuales y el seno y coseno del ángulo del viento.
comparacion_potencia_individual_y_general.ipynb: notebook que contiene los modelos de regresión lineal y random forest tanto para la predicción de potencia de todo el parque, como para las potencias individuales. Crea una gráfica para cada modelo que representa los datos reales y los predichos por cada versión del modelo (de las potencias individuales hace la suma). También calcula el r2_score, el error cuadrático medio (mse) y el error absoluto medio (mae) de ambos modelos y los compara.
Efecto_sombra_vs_yaw_ref.ipynb: notebook que contiene varias gráficas dinámicas que permiten comparar la potencia obtenida cuando las turbinas están perfectamente orientadas hacia el viento (yaw_ref=wd) y cuando están ligeramente desorientadas (yaw_ref=wd-10). También compara y representa la diferencia de potencia entre los distintos ángulos de viento y entre los datos orientados y desorientados.