Redes neuronales para la predicción de la demanda en sistemas de distribución primaria de energía.
No Thumbnail Available
Date
2025-07-31
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC)
Abstract
Se desarrolló un modelo predictivo para analizar los perfiles de carga en redes de distribución eléctrica mediante redes neuronales artificiales. Se empleó una metodología mixta de análisis de datos, que combina enfoques cualitativos y cuantitativos. La recopilación de datos se realizó a intervalos de 15 minutos, generando 5856 registros de kilovatios (kW), kilovoltamperios (kVA) y kilovoltamperios reactivos (kVAr). El modelo se dividió en un 70 % de datos para entrenamiento (4099,2 registros) y un 30 % para validación (1756,8 registros). La arquitectura del modelo consta de tres capas: una capa de entrada, capas ocultas para análisis y una capa de salida. Se utilizó un modelo secuencial con una capa de entrada LSTM de 200 neuronas y una capa de salida densa con una sola neurona. El optimizador Adam y la medida de pérdidas mse se utilizaron para el entrenamiento. La función de activación utilizada fue lineal. Finalmente, el modelo demostró un error de pronóstico de ±3,57 % para el modelo 2 y de ±4,38 % para el modelo 3, lo que lo hace eficaz para la planificación eléctrica.
Description
Keywords
REDES ARTIFICIALES, , MODELO, LSTM, OPTIMIZADOR
Citation
Diaz-Avilez, A., Pruna-Molina, J., Proaño-Maldonado, X., & Quinatoa-Caiza, C.. (2025). Redes neuronales para la predicción de la demanda en sistemas de distribución primaria de energía. Revista Científica INGENIAR: Ingeniería, Tecnología e Investigación, 8(16), 37-52. https://doi.org/10.46296/ig.v8i16.0282