Please use this identifier to cite or link to this item: http://www.dspace.espol.edu.ec/handle/123456789/62294
Title: Predicción de demanda eléctrica mediante Redes Neuronales para la anticipación de las necesidades de suministro
Authors: Pasmay Bohórquez, Patricia Isabel , Director
Sánchez Mendoza, Enzo Jeremy
Sinche Quinto, Jorge Andrés
Keywords: Redes Neuronales
Predicción de Demanda Eléctrica
Planificación Energética
Aprendizaje Automático
Distribución Eléctrica
Issue Date: 2024
Publisher: ESPOL.FIEC
Citation: Sánchez Mendoza, E. J. y Sinche Quinto, J. A. (2024). Predicción de demanda eléctrica mediante Redes Neuronales para la anticipación de las necesidades de suministro. [Proyecto Integrador]. ESPOL.FIEC .
Description: Este proyecto desarrolla un modelo de red neuronal para predecir la demanda eléctrica, mejorando la anticipación de las necesidades de suministro. Se implementó una red neuronal utilizando Python, entrenada con datos históricos de demanda de CNEL Guayaquil desde 2015 hasta 2022. El modelo se evaluó en varios casos de estudio, incluyendo proyecciones para alimentadores específicos, demanda a nivel de distribuidora y nacional. Los resultados muestran una mejora significativa en la precisión de las predicciones comparado con métodos tradicionales como promedios ponderados. Se observó una reducción sustancial del error cuadrático medio al utilizar datos históricos extendidos. El modelo capturó eficazmente patrones estacionales y tendencias a largo plazo, demostrando su capacidad para adaptarse a cambios en los patrones de consumo. Se identificó una tendencia general de crecimiento en la demanda, con variaciones estacionales marcadas. Esta herramienta proporciona una base sólida para la planificación y gestión eficiente del sistema eléctrico, permitiendo una mejor anticipación de picos de demanda y optimización de recursos. Palabras Clave: Redes Neuronales, Predicción de Demanda Eléctrica, Planificación Energética, Aprendizaje Automático, Distribución Eléctrica
metadata.dc.description.abstractenglish: This project develops a neural network model in Python to predict electrical demand, improving the anticipation of supply needs. The model was trained with historical data from CNEL Guayaquil (2015-2022) and evaluated in various scenarios, from specific feeders to national demand. The results demonstrate a significant improvement in prediction accuracy compared to traditional methods such as weighted averages, especially when using extended historical data. The model effectively captured seasonal patterns and long-term trends, adapting to changes in consumption patterns. A general trend of growth in demand was identified with marked seasonal variations. This tool provides a solid basis for efficient planning and management of the electrical system, optimizing the anticipation of demand peaks and resource allocation. Keywords: Neural Networks, Electrical Demand Prediction, Energy Planning, Machine Learning, Electrical Distribution
URI: http://www.dspace.espol.edu.ec/handle/123456789/62294
metadata.dc.identifier.codigoproyectointegrador: INGE-2450
Appears in Collections:Tesis de Electricidad

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.