Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico
tablas, figuras
Salvato in:
| Autore principale: | |
|---|---|
| Altri autori: | |
| Natura: | bachelorThesis |
| Lingua: | spa |
| Pubblicazione: |
2023
|
| Soggetti: | |
| Accesso online: | https://www.dspace.uce.edu.ec/handle/25000/32043 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Aggiungi Tag | _version_ | 1824209305925058560 |
|---|---|
| author | Castro Heredia, Santiago Javier |
| author2 | Huaca Sanguino, Samantha Dennis |
| author2_role | author |
| author_facet | Castro Heredia, Santiago Javier Huaca Sanguino, Samantha Dennis |
| author_role | author |
| collection | Repositorio de la Universidad Central del Ecuador |
| dc.contributor.none.fl_str_mv | Rosas Lara, Mauro Leonardo |
| dc.creator.none.fl_str_mv | Castro Heredia, Santiago Javier Huaca Sanguino, Samantha Dennis |
| dc.date.none.fl_str_mv | 2023-11-23T16:27:04Z 2023-11-23T16:27:04Z 2023 |
| dc.format.none.fl_str_mv | 89 páginas application/pdf application/pdf application/pdf application/octet-stream application/octet-stream |
| dc.identifier.none.fl_str_mv | Castro Heredia, S y Huaca Sanguino, S. (2023). Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico. Universidad Central del Ecuador. https://www.dspace.uce.edu.ec/handle/25000/32043 |
| dc.language.none.fl_str_mv | spa |
| dc.publisher.none.fl_str_mv | Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas Quito Carrera de Ingeniería Informática |
| dc.rights.none.fl_str_mv | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:Repositorio de la Universidad Central del Ecuador instname:Universidad Central del Ecuador instacron:UCE |
| dc.subject.none.fl_str_mv | Energía eléctrica Inteligencia artificial Metodología CRISP-DM ETL Electrical energy Artificial intelligence CRISP-DM methodology ETL |
| dc.title.none.fl_str_mv | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico Energy consumption forecast and trends analysis system through machine learning aimed to the administration of Dirección de Control y Distribución de Comercialización del Sector Eléctrico |
| dc.type.none.fl_str_mv | Trabajo de grado - Pregrado http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_ab4af688f83e57aa Text info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion |
| description | tablas, figuras |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | UCE_31fdca702f9023cfb81c042fe10bfb9f |
| identifier_str_mv | Castro Heredia, S y Huaca Sanguino, S. (2023). Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico. Universidad Central del Ecuador. |
| instacron_str | UCE |
| institution | UCE |
| instname_str | Universidad Central del Ecuador |
| language | spa |
| network_acronym_str | UCE |
| network_name_str | Repositorio de la Universidad Central del Ecuador |
| oai_identifier_str | oai:dspace.uce.edu.ec:25000/32043 |
| publishDate | 2023 |
| publisher.none.fl_str_mv | Universidad Central del Ecuador Facultad de Ingeniería y Ciencias Aplicadas Quito Carrera de Ingeniería Informática |
| reponame_str | Repositorio de la Universidad Central del Ecuador |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio de la Universidad Central del Ecuador - Universidad Central del Ecuador |
| repository_id_str | 2487 |
| rights_invalid_str_mv | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| spelling | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector EléctricoEnergy consumption forecast and trends analysis system through machine learning aimed to the administration of Dirección de Control y Distribución de Comercialización del Sector EléctricoCastro Heredia, Santiago JavierHuaca Sanguino, Samantha DennisEnergía eléctricaInteligencia artificialMetodología CRISP-DMETLElectrical energyArtificial intelligenceCRISP-DM methodologyETLtablas, figurasEl presente proyecto se enfocó en la implementación de un modelo de Machine Learning para mejorar la proyección de la demanda eléctrica dentro de la Dirección de Control y Distribución de Comercialización del Sector Eléctrico (DCDCSE), en el marco de la Agencia de Regulación de Control de Energía y Recursos Naturales no Renovables (ARCERNNR). Se compararon diversos algoritmos, incluyendo redes convolucionales, redes neuronales recurrentes LSTM y BiLSTM. La metodología principal utilizada fue CRISP-DM, lo que permitió llevar a cabo un proceso de experimentación de datos y comprender completamente los objetivos del negocio. Se optó por desarrollar un sistema basado en programación extrema (XP) que permitió implementar los resultados en un sistema web. Además, en respuesta a los objetivos y requisitos específicos de la Dirección, se desarrolló un proceso que permitió a la DCDCSE gestionar de manera más efectiva la información recopilada durante este proceso. Uno de los aspectos destacados de este proyecto fue la implementación de un proceso ETL en el sistema, diseñado para mejorar la recolección de datos provenientes de las empresas distribuidoras de energía hacia la DCDCSE. Para la construcción del modelo y el procesamiento de datos se utilizaron herramientas como Python. El proceso ETL se llevó a cabo utilizando Pentaho, una herramienta especializada en extracción, transformación y carga de datos. El sistema en sí fue desarrollado utilizando el framework Laravel en PHP. Como resultado, el sistema ahora cuenta con un modelo basado en redes convolucionales que ofrece una proyección de la demanda de energía eléctrica.This project focused on the implementation of a Machine Learning model to improve the forecast of electricity demand within the Dirección de Control y Distribución de Comercialización del Sector Eléctrico (DCDCSE), within the Agencia de Regulación de Control de Energía y Recursos Naturales no Renovables (ARCERNNR). This project involved the comparison of several algorithms, including convolutional networks, LSTM and BiLSTM recurrent neural networks. This project followed the CRISP-DM methodology which allowed us to carry out a process of data experimentation and fully understand the business objectives. A system based on extreme programming (XP) was chosen which allowed the implementation of the results in a web system. In addition, in response to the specific objectives and requirements of the Administration, it was developed a process which enabled the DCDCSE to manage more effectively the information collected during this process. One of the highlights of this project was the implementation of an ETL process in the system, designed to improve the collection of data from energy distribution companies to the DCDCSE. For the model construction and data processing tools such as Python were used. The ETL process was carried out using Pentaho, a tool specialized in capture, transformation and loading of data. The system itself was developed using the Laravel framework in PHP. As a result, the system now has a convolutional grid-based model that provides a forecast of electricity demand.PregradoIngeniero/a InformáticoUniversidad Central del EcuadorFacultad de Ingeniería y Ciencias AplicadasQuitoCarrera de Ingeniería InformáticaRosas Lara, Mauro Leonardo2023-11-23T16:27:04Z2023-11-23T16:27:04Z2023Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_ab4af688f83e57aaTextinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersion89 páginasapplication/pdfapplication/pdfapplication/pdfapplication/octet-streamapplication/octet-streamCastro Heredia, S y Huaca Sanguino, S. (2023). Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico. Universidad Central del Ecuador.https://www.dspace.uce.edu.ec/handle/25000/32043spaAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccessreponame:Repositorio de la Universidad Central del Ecuadorinstname:Universidad Central del Ecuadorinstacron:UCE2024-12-11T08:53:09Zoai:dspace.uce.edu.ec:25000/32043Institucionalhttp://www.dspace.uce.edu.ec/Universidad públicahttps://www.uce.edu.ec/http://www.dspace.uce.edu.ec/oai.Ecuador...opendoar:24872024-12-11T08:53:09Repositorio de la Universidad Central del Ecuador - Universidad Central del Ecuadorfalse |
| spellingShingle | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico Castro Heredia, Santiago Javier Energía eléctrica Inteligencia artificial Metodología CRISP-DM ETL Electrical energy Artificial intelligence CRISP-DM methodology ETL |
| status_str | acceptedVersion |
| title | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico |
| title_full | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico |
| title_fullStr | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico |
| title_full_unstemmed | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico |
| title_short | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico |
| title_sort | Sistema de análisis de proyecciones y tendencias de consumo de energía a través de machine learning dirigido a la Dirección de Control y Distribución de la Comercialización del Sector Eléctrico |
| topic | Energía eléctrica Inteligencia artificial Metodología CRISP-DM ETL Electrical energy Artificial intelligence CRISP-DM methodology ETL |
| url | https://www.dspace.uce.edu.ec/handle/25000/32043 |