Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10495/40395
Título : | Pronóstico de demanda de energía eléctrica en un mercado de comercialización en Colombia |
Autor : | Rojas Serna, Juan Esteban |
metadata.dc.contributor.advisor: | Villa Acevedo, Walter Mauricio Jaramillo Duque, Álvaro |
metadata.dc.subject.*: | Demanda de Energía Eléctrica - Colombia Consumo de Energía Eléctrica - Colombia Electric power consumption - Colombia Aprendizaje automático (Inteligencia artificial) Machine learning Redes neurales (computadores) Neural networks (Computer science) Análisis de series de tiempo Time-series analysis Análisis de regresión Regression analysis |
Fecha de publicación : | 2024 |
Resumen : | RESUMEN : El presente trabajo ha sido desarrollado con la finalidad de aplicar modelos de Machine Learning para ser aplicados al pronóstico horario de la demanda de energía eléctrica para un mercado de comercialización en Colombia, específicamente el correspondiente al departamento de Antioquia, que permitan disminuir el porcentaje de desviación de los pronósticos con respecto a la demanda de energía eléctrica real vs los pronósticos realizados actualmente y/o que dicho nivel de desviación permanezca por debajo del +/-4%. Para esto se ha empleado diferentes fuentes de información abiertas para la obtención de los datos históricos relacionados con la demanda de energía eléctrica, cantidad de usuarios conectados al sistema en cada uno de los municipios del departamento, temperatura ambiente, precipitaciones, entre otras variables climatológicas de cada uno de los municipios, así como variables macroeconómicas a nivel nacional. Dado que los datos provienen de diferentes fuentes y presentan una granularidad temporal diferente, se hace necesario la aplicación de diferentes metodologías para la preparación y homogenización de los datos para ser anexados en un único dataset que brinde información sobre todas las variables mencionadas para cada hora dentro del período de tiempo seleccionado, el cual, para efectos del presente trabajo, se ha tomado como del 2018-01-01 hasta el 2024-03-31. Al conjunto de datos resultante se le aplicaron diferentes análisis descriptivos para profundizar en el entendimiento y comportamiento de los datos y posteriormente se construyeron los respectivos conjuntos de datos de entrenamiento y validación, los cuales son aplicados a los diferentes modelos empleados como lo son las regresiones lineales, modelo SARIMAX y redes neuronales recurrentes. Al final del informe se presentan los resultados obtenidos concluyendo que en efecto es posible aplicar modelos que brinden niveles de desviación por debajo del valor objetivo. |
Aparece en las colecciones: | Especializaciones de la Facultad de Ingeniería |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
RojasJuan_2024_PrediccionDemandaEnergia.pdf | Trabajo de grado de especialización | 2.96 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons