Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/40395
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorVilla Acevedo, Walter Mauricio-
dc.contributor.advisorJaramillo Duque, Álvaro-
dc.contributor.authorRojas Serna, Juan Esteban-
dc.date.accessioned2024-07-04T20:02:45Z-
dc.date.available2024-07-04T20:02:45Z-
dc.date.issued2024-
dc.identifier.urihttps://hdl.handle.net/10495/40395-
dc.description.abstractRESUMEN : 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.spa
dc.format.extent60 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.type.hasversioninfo:eu-repo/semantics/draftspa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/*
dc.titlePronóstico de demanda de energía eléctrica en un mercado de comercialización en Colombiaspa
dc.typeinfo:eu-repo/semantics/otherspa
oaire.versionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
thesis.degree.nameEspecialista en Analítica y Ciencia de Datosspa
thesis.degree.levelEspecializaciónspa
thesis.degree.disciplineFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datosspa
thesis.degree.grantorUniversidad de Antioquiaspa
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/spa
dc.publisher.placeMedellín, Colombiaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_46ecspa
dc.type.redcolhttp://purl.org/redcol/resource_type/COtherspa
dc.type.localTesis/Trabajo de grado - Monografía - Especializaciónspa
dc.subject.lembDemanda de Energía Eléctrica - Colombia-
dc.subject.lembConsumo de Energía Eléctrica - Colombia-
dc.subject.lembElectric power consumption - Colombia-
dc.subject.lembAprendizaje automático (Inteligencia artificial)-
dc.subject.lembMachine learning-
dc.subject.lembRedes neurales (computadores)-
dc.subject.lembNeural networks (Computer science)-
dc.subject.lembAnálisis de series de tiempo-
dc.subject.lembTime-series analysis-
dc.subject.lembAnálisis de regresión-
dc.subject.lembRegression analysis-
Aparece en las colecciones: Especializaciones de la Facultad de Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RojasJuan_2024_PrediccionDemandaEnergia.pdfTrabajo de grado de especialización2.96 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons