Mostrar el registro sencillo del ítem
| dc.contributor.advisor | Pasmay Bohórquez, Patricia Isabel , Director | |
| dc.contributor.author | Sánchez Mendoza, Enzo Jeremy | |
| dc.contributor.author | Sinche Quinto, Jorge Andrés | |
| dc.creator | ESPOL.FIEC | |
| dc.date.accessioned | 2024-10-18T16:00:24Z | |
| dc.date.available | 2024-10-18T16:00:24Z | |
| dc.date.issued | 2024 | |
| dc.identifier.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 . | |
| dc.identifier.uri | http://www.dspace.espol.edu.ec/handle/123456789/62294 | |
| dc.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 | |
| dc.format | application/pdf | |
| dc.format.extent | 61 página | |
| dc.language.iso | spa | |
| dc.publisher | ESPOL.FIEC | |
| dc.rights | openAccess | |
| dc.subject | Redes Neuronales | |
| dc.subject | Predicción de Demanda Eléctrica | |
| dc.subject | Planificación Energética | |
| dc.subject | Aprendizaje Automático | |
| dc.subject | Distribución Eléctrica | |
| dc.title | Predicción de demanda eléctrica mediante Redes Neuronales para la anticipación de las necesidades de suministro | |
| dc.type | Ingeniero en Electricidad | |
| dc.identifier.codigoespol | T-76952 | |
| dc.description.city | Guayaquil | |
| dc.description.degree | Escuela Superior Politécnica del Litoral | |
| dc.identifier.codigoproyectointegrador | INGE-2450 | |
| 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 |
| Ficheros | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay ficheros asociados a este ítem. |
|||