Por favor, use este identificador para citar o enlazar este ítem: http://localhost:8080/xmlui/handle/123456789/1104
Título : Aplicación de redes neuronales artificiales para la predicción de la demanda de energía eléctrica a largo plazo.
Autor : Martínez Ricardi, Ricardo Daniel
Sosa Corrales, Alvaro Nicolás
Ramírez Vergara, Luis Carmelo
Palabras clave : Red neuronal
Pronóstico
Demanda
Fecha de publicación : 2022
Editorial : Facultad Politécnica - Universidad Nacional del Este
Resumen : En el presente trabajo se realizó la aplicación de una red neuronal artificial con la finalidad de pronosticar la demanda de energía eléctrica a largo plazo en el sector Este del sistema eléctrico paraguayo. Con este método, se pretendió llegar a un pronóstico correcto de manera a que que los trabajos de gestión en el sistema de distribución se lleven a cabo más eficiente. Por ende, este proyecto tuvo como objetivo diseñar un modelo de redes neuronales artificiales para la predicción de la demanda de energía eléctrica a largo plazo. Dicho modelo se realizó en función a los datos históricos de demanda de energía eléctrica y a datos de carácter que tienen influencia directa en los resultados. El modelo fue elaborado a través del lenguaje de programación Python, por su gran capacidad y herramientas disponibles para el procesamiento de datos y en el aprendizaje automático. La base de datos utilizada para el entrenamiento y validación del modelo consistió en históricos horarios de demanda, estado del clima y temperaturas registradas de los años 2019, 2020 y 2021 en la región Este del país, con un total de 26304 datos (de los cuales, el 75% del total fueron destinados al entrenamiento del modelo). Se realizaron predicciones para uno, dos y tres años, donde se obtuvieron precisiones del 90,4 %, 87,4% y 82,15 %, respectivamente. Con esto se determinó que la predicción de la demanda de energía eléctrica es factible a través de redes neuronales artificiales, ya que gran parte de los datos son reinterpretados satisfactoriamente, pero debe tomarse en cuenta que la precisión del modelo tiende a disminuir mientras mayor sea el periodo a predecir, por lo que es necesaria una nueva base de datos en donde se tengan en cuenta otros datos que puedan influir directamente en la demanda de energía eléctrica, para que de esta manera el algoritmo sea capaz de arrojar los valores con una exactitud mayor para predicciones futuras.
URI : http://localhost:8080/xmlui/handle/123456789/1104
Aparece en las colecciones: 2021 - 2022

Ficheros en este ítem:
No hay ficheros asociados a este ítem.


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.