Prediction of Renewable Energy Generation with Machine Learning : Case Study of the April 2025 Blackout
Ropero Garcia, Arnau
Valle López, Juan Carlos (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Fecha:	2026
Descripción:	10 pàgines
Resumen:	This work develops and compares three Machine Learning models (Prophet, XGBoost, and LSTM) to predict solar and wind energy generation in the Iberian Peninsula. The instability episodes that culminated in the blackout of 28 April 2025 serve as the case study for this research. The models are trained on hourly generation data from the ENTSO-E Transparency Platform combined with meteorological variables from five representative stations, weighted by installed capacity. The main objective is to assess whether the models detect anomalous deviations from expected generation during critical situations, and to identify which approach is best suited for anomaly detection in renewable generation systems. The results provide recommendations for integrating predictive systems into renewable energy grid monitoring.
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria.
Lengua:	Anglès
Titulación:	Gestió de Ciutats Intel·ligents i Sostenibles [2503743]
Plan de estudios:	Grau en Gestió de Ciutats Intel·ligents i Sostenibles [1395]
Documento:	Treball final de grau
Materia:	Machine Learning ; Renewable energy forecasting ; Solar photovoltaic ; Wind energy ; LSTM ; XGBoost ; Prophet ; Time series ; Electrical grid ; Anomaly detectio

10 p, 11.3 MB

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de Fin de Grado > Escuela de Ingeniería. TFG