Edit C:\dspace\solr\search\data\tlog\tlog.0000000000000003127
)SOLR_TLOGA'strings? ?C? ?#1? 7handle:"123456789/1394" #?A?|??P J?? 7SolrIndexer.lastIndexed82026-05-11T16:10:23.845Z/search.uniqueid?2-bc2ed1ad-8c02-4b80-88fc-bb855b38480d3search.resourcetype!21search.resourceid?bc2ed1ad-8c02-4b80-88fc-bb855b38480d&handle.123456789/1394(location??m962eeed3-5c05-4723-a3ce-b5cd7b6aa199?m0e86e95e-fa8c-4b33-a1f0-36da98159ec5?m58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5f?l900706e7-1dff-4a71-a084-b4564b761839-location.comm??962eeed3-5c05-4723-a3ce-b5cd7b6aa199?0e86e95e-fa8c-4b33-a1f0-36da98159ec5?58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5f-location.coll?900706e7-1dff-4a71-a084-b4564b761839(archived$true)withdrawn%false,discoverable$true,lastModified82026-05-11T16:10:23.798Z&author?<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José>Ramírez Vergara, Luis Carmelo.author_keyword?<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José>Ramírez Vergara, Luis Carmelo)author_ac?? acosta medina, marcos daniel ||| Acosta Medina, Marcos Daniel? taboada moreno, gonzalo josé ||| Taboada Moreno, Gonzalo José?"ramírez vergara, luis carmelo ||| Ramírez Vergara, Luis Carmelo-author_filter?? acosta medina, marcos daniel ||| Acosta Medina, Marcos Daniel? taboada moreno, gonzalo josé ||| Taboada Moreno, Gonzalo José?"ramírez vergara, luis carmelo ||| Ramírez Vergara, Luis Carmelo8dc.contributor.author_hl?<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José>Ramírez Vergara, Luis Carmelo9dc.contributor.author_mlt?<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José>Ramírez Vergara, Luis Carmelo5dc.contributor.author?<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José>Ramírez Vergara, Luis Carmelo<dc.contributor.author_stored??!Acosta Medina, Marcos Daniel ||| null ||| null ||| null ||| null?"Taboada Moreno, Gonzalo José ||| null ||| null ||| null ||| null?#Ramírez Vergara, Luis Carmelo ||| null ||| null ||| null ||| null:dc.description.abstract_hl?? La estimación precisa de la demanda eléctrica es fundamental para la planificación y operación eficiente de los sistemas de distribución. En la subestación K15, ubicada en un área de crecimiento sostenido como Minga Guazú, se identificó la necesidad de contar con herramientas de pronóstico que anticipen con mayor certeza el comportamiento futuro del consumo eléctrico, considerando el impacto de variables climáticas. Este trabajo tuvo como objetivo comparar la efectividad de los modelos estadísticos SARIMAX y Prophet en la predicción de la demanda eléctrica horaria, incorporando variables exógenas como temperatura, humedad relativa y ocurrencia de lluvias. Se procesaron datos históricos de la ANDE y fuentes meteorológicas confiables, aplicando técnicas de limpieza, transformación y alineación temporal. Los modelos se ajustaron mediante scripts en Python y se evaluaron con métricas como RMSE, MAE y MAPE. Los resultados evidenciaron que ambos modelos ofrecen predicciones precisas, con diferencias en el manejo de la estacionalidad y sensibilidad a variables externas. La comparación permitió identificar fortalezas y limitaciones de cada enfoque, aportando una herramienta útil para la planificación energética local y la gestión sostenible del sistema eléctrico.7dc.description.abstract?? La estimación precisa de la demanda eléctrica es fundamental para la planificación y operación eficiente de los sistemas de distribución. En la subestación K15, ubicada en un área de crecimiento sostenido como Minga Guazú, se identificó la necesidad de contar con herramientas de pronóstico que anticipen con mayor certeza el comportamiento futuro del consumo eléctrico, considerando el impacto de variables climáticas. Este trabajo tuvo como objetivo comparar la efectividad de los modelos estadísticos SARIMAX y Prophet en la predicción de la demanda eléctrica horaria, incorporando variables exógenas como temperatura, humedad relativa y ocurrencia de lluvias. Se procesaron datos históricos de la ANDE y fuentes meteorológicas confiables, aplicando técnicas de limpieza, transformación y alineación temporal. Los modelos se ajustaron mediante scripts en Python y se evaluaron con métricas como RMSE, MAE y MAPE. Los resultados evidenciaron que ambos modelos ofrecen predicciones precisas, con diferencias en el manejo de la estacionalidad y sensibilidad a variables externas. La comparación permitió identificar fortalezas y limitaciones de cada enfoque, aportando una herramienta útil para la planificación energética local y la gestión sostenible del sistema eléctrico.=dc.description.abstract.es_ES?? La estimación precisa de la demanda eléctrica es fundamental para la planificación y operación eficiente de los sistemas de distribución. En la subestación K15, ubicada en un área de crecimiento sostenido como Minga Guazú, se identificó la necesidad de contar con herramientas de pronóstico que anticipen con mayor certeza el comportamiento futuro del consumo eléctrico, considerando el impacto de variables climáticas. Este trabajo tuvo como objetivo comparar la efectividad de los modelos estadísticos SARIMAX y Prophet en la predicción de la demanda eléctrica horaria, incorporando variables exógenas como temperatura, humedad relativa y ocurrencia de lluvias. Se procesaron datos históricos de la ANDE y fuentes meteorológicas confiables, aplicando técnicas de limpieza, transformación y alineación temporal. Los modelos se ajustaron mediante scripts en Python y se evaluaron con métricas como RMSE, MAE y MAPE. Los resultados evidenciaron que ambos modelos ofrecen predicciones precisas, con diferencias en el manejo de la estacionalidad y sensibilidad a variables externas. La comparación permitió identificar fortalezas y limitaciones de cada enfoque, aportando una herramienta útil para la planificación energética local y la gestión sostenible del sistema eléctrico./dc.language.iso"es5dc.language.iso.es_ES"es,dc.publisher?Facultad Politécnica, Universidad Nacional del Este2dc.publisher.es_ES?Facultad Politécnica, Universidad Nacional del Este'subject?6Predicción de demanda'SARIMAX'Prophet/Consumo horario1Datos climáticos7Subestación eléctrica1Series temporales/subject_keyword?6Predicción de demanda6Predicción de demanda'SARIMAX'SARIMAX'Prophet'Prophet/Consumo horario/Consumo horario1Datos climáticos1Datos climáticos7Subestación eléctrica7Subestación eléctrica1Series temporales1Series temporales*subject_ac??predicción de demanda ||| Predicción de demanda3sarimax ||| SARIMAX3prophet ||| Prophet?consumo horario ||| Consumo horario?datos climáticos ||| Datos climáticos?subestación eléctrica ||| Subestación eléctrica?series temporales ||| Series temporales4subject_tax_0_filter??predicción de demanda ||| Predicción de demanda3sarimax ||| SARIMAX3prophet ||| Prophet?consumo horario ||| Consumo horario?datos climáticos ||| Datos climáticos?subestación eléctrica ||| Subestación eléctrica?series temporales ||| Series temporales.subject_filter??predicción de demanda ||| Predicción de demanda3sarimax ||| SARIMAX3prophet ||| Prophet?consumo horario ||| Consumo horario?datos climáticos ||| Datos climáticos?subestación eléctrica ||| Subestación eléctrica?series temporales ||| Series temporales.dc.subject_mlt?6Predicción de demanda'SARIMAX'Prophet/Consumo horario1Datos climáticos7Subestación eléctrica1Series temporales*dc.subject?6Predicción de demanda'SARIMAX'Prophet/Consumo horario1Datos climáticos7Subestación eléctrica1Series temporales0dc.subject.es_ES?6Predicción de demanda'SARIMAX'Prophet/Consumo horario1Datos climáticos7Subestación eléctrica1Series temporales%title?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15-title_keyword?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15(title_ac??predicción de demandas futuras a largo plazo por medio de métodos estadísticos - subestación k15 ||| Predicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15-dc.title_sort?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15+dc.title_hl?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15,dc.title_mlt?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15(dc.title?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15/dc.title_stored?jPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15 ||| null ||| null ||| null ||| es_ES.dc.title.es_ES?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15'dc.type&Thesis-dc.type.es_ES&Thesis1dc.identifier.uri?http://localhost:8080/xmlui/handle/123456789/13946dc.date.accessioned_dt82026-05-11T16:10:13.000Z3dc.date.accessioned42026-05-11T16:10:13Z1dc.date.available42026-05-11T16:10:13Z*dateIssued*2026-01-012dateIssued_keyword?*2026-01-01$2026-dateIssued_ac?92026-01-01 ||| 2026-01-01$2026/dateIssued.year$20264dateIssued.year_sort$20261dc.date.issued_dt82026-01-01T00:00:00.000Z.dc.date.issued*2026-01-015dc.date.issued_stored?2026-01-01 ||| null ||| null ||| null ||| null/publication_grp.123456789/1394>has_content_in_original_bundle%false?has_content_in_original_bundle_keyword%false?has_content_in_original_bundle_filter%false/bi_2_dis_filter??#rami?rez vergara, luis carmelo ||| Ramírez Vergara, Luis Carmelo?!taboada moreno, gonzalo jose? ||| Taboada Moreno, Gonzalo José? acosta medina, marcos daniel ||| Acosta Medina, Marcos Daniel0bi_2_dis_partial?>Ramírez Vergara, Luis Carmelo<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José5bi_2_dis_value_filter?>Ramírez Vergara, Luis Carmelo<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José/bi_4_dis_filter?? datos clima?ticos ||| Datos climáticos3prophet ||| Prophet?subestacio?n ele?ctrica ||| Subestación eléctrica?prediccio?n de demanda ||| Predicción de demanda?series temporales ||| Series temporales3sarimax ||| SARIMAX?consumo horario ||| Consumo horario0bi_4_dis_partial?'Prophet1Datos climáticos7Subestación eléctrica6Predicción de demanda'SARIMAX1Series temporales/Consumo horario5bi_4_dis_value_filter?'Prophet1Datos climáticos7Subestación eléctrica6Predicción de demanda'SARIMAX1Series temporales/Consumo horario.bi_sort_1_sort?Iprediccio?n de demandas futuras a largo plazo por medio de me?todos estadi?sticos - subestacio?n k15.bi_sort_2_sort$2026.bi_sort_3_sort42026-05-11T16:10:13Z$read?g8f18a99c-4fd6-4787-bf2c-39ee4473d82a'a_spell?<Acosta Medina, Marcos Daniel=Taboada Moreno, Gonzalo José>Ramírez Vergara, Luis Carmelo?? La estimación precisa de la demanda eléctrica es fundamental para la planificación y operación eficiente de los sistemas de distribución. En la subestación K15, ubicada en un área de crecimiento sostenido como Minga Guazú, se identificó la necesidad de contar con herramientas de pronóstico que anticipen con mayor certeza el comportamiento futuro del consumo eléctrico, considerando el impacto de variables climáticas. Este trabajo tuvo como objetivo comparar la efectividad de los modelos estadísticos SARIMAX y Prophet en la predicción de la demanda eléctrica horaria, incorporando variables exógenas como temperatura, humedad relativa y ocurrencia de lluvias. Se procesaron datos históricos de la ANDE y fuentes meteorológicas confiables, aplicando técnicas de limpieza, transformación y alineación temporal. Los modelos se ajustaron mediante scripts en Python y se evaluaron con métricas como RMSE, MAE y MAPE. Los resultados evidenciaron que ambos modelos ofrecen predicciones precisas, con diferencias en el manejo de la estacionalidad y sensibilidad a variables externas. La comparación permitió identificar fortalezas y limitaciones de cada enfoque, aportando una herramienta útil para la planificación energética local y la gestión sostenible del sistema eléctrico."es?Facultad Politécnica, Universidad Nacional del Este6Predicción de demanda'SARIMAX'Prophet/Consumo horario1Datos climáticos7Subestación eléctrica1Series temporales?EPredicción de demandas futuras a largo plazo por medio de métodos estadísticos - Subestación K15&Thesis?http://localhost:8080/xmlui/handle/123456789/139442026-05-11T16:10:13Z42026-05-11T16:10:13Z$2026)_version_?|??P 0?D`-SOLR_TLOG_END
Ms-Dos/Windows
Unix
Write backup
jsp File Browser version 1.2 by
www.vonloesch.de