Desarrollo de un sistema de predicción con redes neuronales artificiales para determinar la demanda de energía eléctrica en una central hidroeléctrica
| dc.contributor.advisor | Castillo Fiallos, Jessica Nataly | |
| dc.contributor.author | Bastidas Cashicana, Wilson Roberto | |
| dc.contributor.author | Moya Cabezas, Angelo Mauricio | |
| dc.date.accessioned | 2023-01-11T14:05:22Z | |
| dc.date.available | 2023-01-11T14:05:22Z | |
| dc.date.issued | 2022-03 | |
| dc.description | The prediction of events has been since ancient times, a phenomenon capable of generating curiosity in human beings, however, to achieve a projection of a future event, a detailed data analysis is required to predict subsequent events, with this idea, the The objective of the research was to develop a prediction system applying artificial neural networks to determine the forecast demand for electrical energy at the ILLUCHI 2 HYDROELECTRIC POWER PLANT. The data used for this study were collected by ELEPCO S.A operators who are based between 2 years 010 to the year 2 019. The input variables that were date and energy consumed were considered to elaborate different cases with different conditions with the purpose of reaching a successful recurrent neural network model (Long Short Term Memory) possible. Once the model variables were understood, the data was divided into two groups: training 80% and validation 20% respectively. For the relevant training, the RMSprop algorithm and the libraries offered by Python 3.8.6 were used. From the data of the demand for electrical energy from the last period of the month of January of the year 2019 to the following week of the month of February of the same year, which correspond to 8 days, it can be affirmed that the proposed model presents the greater adjustment to the behavior of the data series with a mean absolute error (MAE) of 0.0352 and mean absolute percentage error (MAPE) is 3%, thus validating and using the results to predict the demand for electrical energy for the year 2020 and 2021. For future studies it is recommended to carry out the same study applying other computer programs used for data analysis. | es_ES |
| dc.description.abstract | La predicción de eventos ha sido desde la antigüedad, un fenómeno capaz de generar curiosidad en los seres humanos, sin embargo, para lograr una proyección de un suceso futuro se requiere un detallado análisis de datos para lograr predecir eventos posteriores, con esta idea, el objetivo de la investigación fue desarrollar un sistema de predicción aplicando redes neuronales artificiales para determinar la demanda de energía eléctrica pronosticada en la CENTRAL HIDROELÉCTRICA ILLUCHI 2. Los datos utilizados para este estudio fueron recopilados por los operarios de ELEPCO S.A que están basados entre los años 2 010 hasta el año 2 019. Se plantearon las variables de entradas que fueron fecha y energía consumida para elaborar diferentes casos con diversas condiciones con el propósito de alcanzar un acertado modelo de red neuronal recurrente (Long Short Term Memory) posible. Una vez comprendidas las variables del modelo, los datos se dividieron en dos grupos: entrenamiento 80 % y validación 20 % respectivamente. Para los pertinentes entrenamientos se utilizó el algoritmo de RMSprop y las librerías que ofrece Python 3.8.6. A partir de los datos de la demanda de energía eléctrica del último periodo del mes de enero del año 2 019 a la semana siguiente del mes de febrero del mismo año, que corresponden a 8 días, se puede afirmar que el modelo planteado, presenta el mayor ajuste al comportamiento de la serie de datos con un error medio absoluto (MAE) del 0,0352 y error porcentual absoluto medio (MAPE) es de 3 % de esta forma validando y utilizando los resultados para predecir la demanda de energía eléctrica para el año 2 020 y 2 021. Para futuros estudios se recomienda realizar el mismo estudio aplicando otros programas computacionales utilizados para el análisis de datos. | es_ES |
| dc.format.extent | 186 páginas | es_ES |
| dc.identifier.citation | Bastidas Cashicana Wilson Roberto, Moya Cabezas Ángelo Mauricio (2022); Desarrollo de un sistema de predicción con redes neuronales artificiales para determinar la demanda de energía eléctrica en una central hidroeléctrica. UTC. Latacunga. 186 p. | es_ES |
| dc.identifier.other | PI-002155 | |
| dc.identifier.uri | http://repositorio.utc.edu.ec/handle/27000/9340 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC) | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | es_ES |
| dc.subject | DEMANDA DE ENERGÍA ELÉCTRICA | es_ES |
| dc.subject | CENTRAL HIDROELÉCTRICA | es_ES |
| dc.subject | REDES NEURONALES ARTIFICIALES | es_ES |
| dc.subject.other | ELÉCTRICA | es_ES |
| dc.subject.other | POTENCIA | es_ES |
| dc.title | Desarrollo de un sistema de predicción con redes neuronales artificiales para determinar la demanda de energía eléctrica en una central hidroeléctrica | es_ES |
| dc.type | bachelorThesis | es_ES |