Tesis - Maestría en Electricidad Mención Sistemas Eléctricos de Potencia

Permanent URI for this collection

Now showing 1 - 1 of 1

Modelos de predicción de caudales para una mini central hidroeléctrica.
(Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC9, 2023-11) Bonilla Correa, Brayan Alexander; Freire, Luigi
En este artículo, se presenta una comparación entre dos sistemas implementados en Jupyter Notebook con el núcleo de cálculo de Python. Estos utilizan machine learning para predecir el caudal. Los modelos se entrenaron y evaluaron utilizando datos del año 2022. El primer sistema utiliza el método ARIMA y muestra un error del 4,55% en la predicción del caudal. Se observa una alta similitud entre las curvas del caudal real y pronosticado en cada mes. El segundo sistema utiliza el método RNA-GRU y presenta un error MAPE del 4,62% en la predicción del caudal. Al igual que con ARIMA, se observa un parecido significativo entre las curvas del caudal real y pronosticado en cada mes. Se generaron gráficos de barras que representan la dispersión de los valores pronosticados en comparación con los valores esperados. Estos gráficos permiten evaluar los errores promedio de los pronósticos. En este caso, se evidencia que el método ARIMA tiene un error inferior en comparación con el método GRU. Este artículo demuestra la capacidad de ambos sistemas implementados en Jupyter Notebook para predecir el caudal.