Análisis de componentes principales desarrollado en energías renovables. Aplicación a sistemas dinámicos y biomédicos

Abstract

En la constante búsqueda del método automático que mejor clasifique las señales que arrojan las distintas clases de energías renovables, ya sea un algoritmo que contemple los aspectos temporales o morfológicos de la señal, es inevitable la acumulación de gran cantidad de datos. Como solución a este problema surgen técnicas estadísticas capaces de reducir el número de variables necesarias. Una consecuencia directa es la obtención de datos normalizados y procesos más eficientes que agilizan los tiempos computacionales y además economizan en espacio de almacenamiento. El análisis y la clasificación de dichas señales pueden realizarse a partir de estudios temporales y morfológicos. El Análisis de Componentes Principales (PCA) es un método que reduce la dimensión de los datos realizando un análisis de covarianza entre factores. A partir del estudio de una central eléctrica compuesta por paneles solares y aerogeneradores, conformamos una matriz dinámica; a la cual aplicamos las técnicas de PCA. Como resultado obtuvimos, en la gran mayoría, reducciones de hasta el 50 % en el número de variables. De un total de diez (10) variables originales, se logró concentrar más del 96 % de la información en sólo cinco (5) componentes principales. Además su aplicación es compatible a cualquier clase de sistemas, inclusive lo biomédicos.