Acceso usuarios
Plataforma enerTIC.org Plataforma enerTIC.org
  • La Plataforma
    • Sobre nosotros
    • Nuestros asociados
    • Red de Colaboración Institucional
    • Comités Técnicos
    • Grupos de Trabajo
    • Sala de Prensa
    • Directivos galardonados
    • Contacto
    • FAQs
  • Eventos & Actividades
  • Centro de Conocimiento
    • Casos de Uso
    • Energy & Utilities
    • Industries & Mobility
    • eGovernment & Cities
    • IT Infrastructure & Data Center
    • Especiales y Tendencias
  • SUMATenerTIC
|
Articulo
09
Jun
2022

VGEN desarrolla una central eléctrica virtual con Deep Learning y Machine Learning

Como parte del Plan 3020 de Energías Renovables de Corea, el gobierno surcoreano se ha fijado el objetivo de producir el 20% de la energía del país a partir de fuentes renovables para 2030.

Valora esta entrada

| 0

Sin embargo, la cantidad de energía generada por el sol, el viento y otras fuentes renovables puede ser difícil de predecir, y la introducción de estas fuentes puede desestabilizar la red.

Las centrales eléctricas virtuales (VPP) abordan este reto combinando fuentes de energía distribuidas independientes, como instalaciones de generación de energía solar y sistemas de almacenamiento de energía, en un único perfil de generación. VGEN ha desarrollado un software de sistema de gestión de la energía (EMS) para una VPP que ya está siendo utilizada por una empresa coreana de generación de energía.

Construido íntegramente en MATLAB®, el software utiliza Deep learning para producir previsiones de energía renovable y aplica optimizaciones avanzadas para maximizar los beneficios en los mercados energéticos.

«MATLAB permitió a nuestro pequeño grupo desarrollar rápidamente un software innovador desde nuestro concepto inicial hasta la producción», afirma Seungyup Baek, director general de VGEN. «No habríamos tenido éxito sin MATLAB y las capacidades de optimización y aprendizaje profundo de última generación que proporciona».

RESULTADOS

El tiempo de desarrollo se redujo en un 50%. «Con un pequeño equipo de desarrollo, desarrollamos y empaquetamos múltiples aplicaciones de previsión y optimización en sólo siete meses», dice Baek. «MATLAB nos permitió desarrollar modelos de machine learning, algoritmos de optimización e interfaces de usuario en un único entorno, lo que redujo el tiempo de desarrollo en aproximadamente un 50%».

El tiempo de entrenamiento para grandes conjuntos de datos se redujo en un 90%. «La mayoría de nuestros conjuntos de datos eran demasiado grandes para caber en la memoria», dice Baek. «Utilizamos un almacén de datos de MATLAB para leer y procesar estos grandes conjuntos de datos, y utilizamos Parallel Computing Toolbox y un procesador multinúcleo para aumentar la velocidad de entrenamiento en un factor de 10».

Aplicaciones comerciales desarrolladas y desplegadas. «Nuestro principal objetivo era facilitar a los clientes el uso de nuestro software VPP», señala Baek. «MATLAB nos permitió alcanzar este objetivo mediante la creación de aplicaciones independientes que permiten a nuestros clientes configurar previsiones y optimizaciones, ejecutarlas y visualizar los resultados.»

Más información en: https://es.mathworks.com/company/user_stories/vgen-develops-virtual-power-plant-with-deep-learning-and-machine-learning.html?s_eid=PEP_26306
2030 Agenda Deep Learning Renewable Energy Smart Energy

Newsletter


¿Quiere recibir información de la plataforma y actividades organizadas: invitaciones, eventos, lanzamientos etc?

Te puede interesar

Retos, buenas prácticas REDEIA
28 Sep 2023
Webinar Ayming: Mecanismo de Ajuste en Frontera al Carbono aplicable desde el 1 octubre de 2023
26 Sep 2023
La sostenibilidad, digitalización e innovación, como pilares estratégicos para instituciones y empresas españolas, protagonizan la Rueda de Prensa de la 11ª edición del SmartEnergyCongress.eu (4&5 octubre, Madrid)
19 Sep 2023
EOS Viewer
13 Sep 2023
Energía en la Era Digital: El Poder y los Desafíos de la Convergencia IT/OT
12 Sep 2023
Las pilas de combustible de hidrógeno reducen las emisiones de CO2
03 Feb 2023
BuildingIQ desarrolla algoritmos proactivos para la optimización energética de la climatización en edificios de gran tamaño
16 Ene 2023
Almacenamiento de energía para un mundo con energías renovables
05 Sep 2022
Series Energy Speakers- Módulo 3: Almacenamiento de energía y control del sistema de potencia con IA
13 May 2022
BuildingIQ desarrolla algoritmos proactivos para la optimización de energía HVAC en edificios a gran escala
05 Abr 2022

DOCUMENTACIÓN RELACIONADA

>
TrackGas
Descargar
>
Energy Plant Educativa Proecoway
Descargar
>
EOS VIEWER
Descargar
>
SOFC4GREENGRID: Desarrollo e integración de pilas de combustible de óxido sólido en microrredes basadas en hidrógeno verde
Descargar
>
HYBRIS
Descargar

¿Nos permites conectarte con ?

Te agradecemos que nos autorices a conectarte con , una de las empresas asociadas que apoya a enerTIC.org en el impulso de la digitalización para la eficiencia energética y sostenibilidad.

Consulta aquí la Política de Privacidad.

Esta conexión te permitirá descargar Presentaciones y documentación de valor
Desactívalo cuando quieras
Si, estoy de acuerdo

Síguenos

    La Plataforma

    • Presentación
    • SUMATenerTIC
    • Asociados
    • Red de Colaboración Institucional
    • Grupos de Trabajo
    • Comités Técnicos de Expertos
    • Directivos Galardonados
    • Fotos
    • FAQs
    • Enlaces de Interés
    • Formulario de contacto Plataforma enerTIC
    • Aviso Legal
    • Politica de Privacidad
    • Modificación perfil de usuario

    Actividades

    • TODAS - Plan Anual
    • Smart Energy Congress
    • Foros Tendencias / enerTIC Live!
    • enerTIC Awards
    • Desayunos Sectoriales
    • Coloquios - Almuerzos
    • Encuentros Anuales
    • Jornadas Formativas
    • Grupos de Trabajo
    • SmartInnovation
    • Guia Smart Energy
    • Especiales y Newsletter

    Centro de Conocimiento

    • Noticias
    • Sala de Prensa
    • Casos de Uso
    • Energy & Utilities
    • IT Infrastructure & Data Center
    • Industries & Mobility
    • Territories & Cities

GALERÍA DE IMÁGENES

© Copyright Plataforma enerTIC.org | Todos los derechos reservados | Política de Privacidad y términos | Aviso Legal

Únete a nuestro ecosistema y participa activamente.

Elije una opción

Empresa Asociada Usuario Gratuito
eMail existente
Anteriormente ya ha participado en nuestras actividades:
Iniciar sesión y precargar datos usuario
Le hemos enviado una clave al correo electrónico con el que se registró.

La clave introducida es incorrecta.

Aceptar
Por favor, introduzca su contraseña.

La contraseña introducida es incorrecta.

Aceptar
Identifícate
He olvidado mi contraseña
Si no está registrado puede hacerlo aquí
Restablecer contraseña

¿Nos permites conectarte con ?

Te agradecemos que nos autorices a conectarte con , una de las empresas asociadas que apoya a enerTIC.org en el impulso de la digitalización para la eficiencia energética y sostenibilidad.

Consulta aquí la Política de Privacidad.

Esta conexión te permitirá descargar Presentaciones y documentación de valor
Desactívalo cuando quieras
Si, estoy de acuerdo

¿Nos permites conectarte con las empresa nos están apoyado?

Te agradecemos que nos autorices a conectarte con , una de las empresas asociadas que apoya a enerTIC.org en el impulso de la digitalización para la eficiencia energética y sostenibilidad.

Consulta aquí la Política de Privacidad.

Esta conexión te permitirá descargar Presentaciones y documentación de valor
Desactívalo cuando quieras
Si, estoy de acuerdo
Icono calendario ^
ULTIMA HORA >>>

DIRECTO 12:30h

ENTRAR

PROGRAMACIÓN

Esta web utiliza cookies, puede ver nuestra la política de cookies aquí. Si continuas navegando está aceptándola Aceptar.