Aplicación de La Red Neuronal Artificial Feedforward Backpropagation para la predicción de demanda de energía eléctrica en la Empresa Eléctrica Riobamba S.A.

Esta investigación propone un modelo basado en la red neuronal Artificial Feedforward Back propagation capaz de predecir la demanda de energía eléctrica con un porcentaje de error absoluto inferior al generado por la metodología utilizada por una distribuidora, con lo cual se pretende contribuir con la planificación de operación y mantenimiento de las centrales eléctricas y a su vez servir de modelo para otras instituciones con similares características. Se realizó la observación de campo a las subestaciones y medidores de las tres salidas, donde se obtuvieron 70128 observaciones de los cuales 61344 se utilizó para el entrenamiento de la red y 8784 para las pruebas del modelo. Mediante preprocesamiento de datos se detectó y corrigió 406 datos perdidos y 320 datos atípicos, mismos que en su mayoría corresponden al año 2009 y 2014, se determinó que el porcentaje del error medio absoluto (MAPE) del modelo de predicción de la demanda de energía eléctrica basado en la red neuronal FeedForward Backpropagation fue del 2,63%, mientras que el basado en regresión lineal múltiple fue del 4,56%. Se concluye que el modelo de predicción de la demanda de energía eléctrica basado en la red neuronal FeedForward Backpropagation es tiene mejor rendimiento de predicción. Se recomienda antes de diseñar un modelo neuronal realizar el pre-procesamiento de los datos para corregir datos atípicos, perdidos y suavizado de la serie temporal con el fin de obtener resultados satisfactorios.

• Hovedforfatter: Sinaluisa Lozano, Iván Fernando (author)
• Format: masterThesis
• Sprog: spa
• Udgivet: 2017
• Fag: TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA; INTELIGENCIA ARTIFICIAL; MODELO DE PREDICIÓN; DEMANDA ELÉCTRICA; PREPROCESAMIENTO DE DATOS; REDES NEURONALES ARTIFICIALES
• Online adgang: https://dspace.espoch.edu.ec/handle/123456789/7606