Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos

Abstract

RESUMEN : Este trabajo aborda la problemática de una empresa de productos lácteos relacionada con penalizaciones por la generación de energía reactiva. Para contribuir a su solución, se implementaron modelos de Machine Learning, incluyendo SARIMAX, LSTM, y Redes Neuronales Recurrentes (RNNs). Además, se utilizó un modelo no supervisado K-Means para identificar patrones en los días y horas según la generación de energía reactiva inductiva. Los resultados de las métricas de desempeño destacaron a la LSTM como el modelo más preciso para la predicción, mientras que el análisis con K-Means permitió identificar periodos específicos de alta generación de energía reactiva, proporcionando información valiosa para la optimización del consumo energético.