Sistema híbrido para la predicción del funcionamiento de una celda de combustible basada en hidrógeno, empleada en el almacenamiento de energía

espanolEn la actualidad, en gran medida debido al auge del vehiculo electrico, los sistemas de almacenamiento energetico son cada vez una necesidad mayor siendo tanto las baterias electricas como las pilas de combustible, las dos tecnologias en mayor desarrollo en los ultimos anos. Sin embargo, no es suficiente solo desarrollar sistemas de almacenamiento de energia, sino que es indispensable maximizar la eficiencia de los mismos, para garantizar el maximo aprovechamiento de la energia almacenada. Para alcanzar dicho objetivo, uno de los aspectos mas relevantes es el poder predecir con suficiente exactitud y antelacion tanto la generacion como el consumo energetico que se haria sobre el dispositivo de almacenamiento. Es por ello, que la presente investigacion se centra en el desarrollo de un sistema hibrido de modelado de una celda de combustible mediante tecnicas de aprendizaje no supervisado para agrupamientos, combinadas con tecnicas de regresion para modelado. Finalmente, los modelos generados con conjunto de datos real proveniente de un sistema de generacion y almacenamiento de energia mediante una celda de hidrogeno, son validados obteniendo resultados altamente satisfactorios. EnglishCurrently, largely due to the rise of the electric vehicle, energy storage systems are becoming agreater need, being both electric batteries and fuel cells, the two most developed technologies in recent years. However, it is not enough just to develop energy storage system, but it is essential to maximize the efficiency of them, in order to take the maximum advantage of the stored energy. To reach this goal, one of the most relevant aspects is to predict with enough accuracy and in advance both the generation and consumption of energy that will be made on the storage device. For this reason, the present research focuses on the development of a hybrid system for modeling a fuel cell using unsupervised learning techniques for clustering combined with regression techniques for modeling. Finally, the models generated on a real dataset, coming from an experimental real generation and storage system of energy by means of a hydrogen cell, are validated obtaining highly satisfactory results.