Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV

Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV

En este estudio se han cumplido plenamente los objetivos planteados, tanto generales como específicos, en relación con el pronóstico de la demanda energética en el sector Primavera 2, alimentado por la subestación eléctrica Durán Sur. Se ha logrado recopilar y procesar los datos históricos de demand...

詳細記述

保存先:
書誌詳細
第一著者: Candelario Gómez Cosme, Fabricio Xavier (author)
その他の著者: Albán Villacrés, Luis Enrique (author)
フォーマット: bachelorThesis
言語:spa
出版事項: 2024
主題:
PRONÓSTICO
DEMANDA ENERGÉTICA
REGRESIÓN POLINOMIAL
INTELIGENCIA ARTIFICIAL
オンライン･アクセス:http://dspace.ups.edu.ec/handle/123456789/28531
タグ: タグ追加
タグなし, このレコードへの初めてのタグを付けませんか!
_version_ 1858988351790514176
author Candelario Gómez Cosme, Fabricio Xavier
author2 Albán Villacrés, Luis Enrique
author2_role author
author_facet Candelario Gómez Cosme, Fabricio Xavier
Albán Villacrés, Luis Enrique
author_role author
collection Repositorio Universidad Politécnica Salesiana
dc.contributor.none.fl_str_mv Silva Becherán, Julio Manuel
dc.creator.none.fl_str_mv Candelario Gómez Cosme, Fabricio Xavier
Albán Villacrés, Luis Enrique
dc.date.none.fl_str_mv 2024-09-04T16:19:10Z
2024-09-04T16:19:10Z
2024
dc.format.none.fl_str_mv application/pdf
dc.identifier.none.fl_str_mv http://dspace.ups.edu.ec/handle/123456789/28531
dc.language.none.fl_str_mv spa
dc.rights.none.fl_str_mv Atribución-NoComercial-SinDerivadas 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-nd/3.0/ec/
info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:Repositorio Universidad Politécnica Salesiana
instname:Universidad Politécnica Salesiana
instacron:UPS
dc.subject.none.fl_str_mv PRONÓSTICO
DEMANDA ENERGÉTICA
REGRESIÓN POLINOMIAL
INTELIGENCIA ARTIFICIAL
dc.title.none.fl_str_mv Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/bachelorThesis
description En este estudio se han cumplido plenamente los objetivos planteados, tanto generales como específicos, en relación con el pronóstico de la demanda energética en el sector Primavera 2, alimentado por la subestación eléctrica Durán Sur. Se ha logrado recopilar y procesar los datos históricos de demanda utilizando herramientas avanzadas de MATLAB®, aplicando principios de Inteligencia Artificial para generar predicciones precisas y fiables. Estas predicciones han sido validadas mediante análisis exhaustivos, permitiendo identificar tendencias y posibles crecimientos en la demanda energética, lo que contribuirá a mejorar la eficiencia operativa del sistema eléctrico y a prevenir apagones. El uso de la Regresión Polinomial en el pronóstico para los meses de enero y febrero del 2024 ha sido particularmente eficaz para capturar las tendencias no lineales en los datos históricos, permitiendo prever con mayor precisión las variaciones en la demanda. Este enfoque proporciona una base sólida para la planificación energética. Por otro lado, el análisis con el método de Suavizado Exponencial Simple (SES) ha ofrecido pronósticos fiables para marzo y abril del 2024, reflejando tanto las tendencias recientes como los patrones estacionales, lo que constituye una herramienta valiosa para la gestión energética en el sector Primavera 2.
eu_rights_str_mv openAccess
format bachelorThesis
id UPS_f58fb95a56ada48b92efe0a77b95e348
instacron_str UPS
institution UPS
instname_str Universidad Politécnica Salesiana
language spa
network_acronym_str UPS
network_name_str Repositorio Universidad Politécnica Salesiana
oai_identifier_str oai:dspace.ups.edu.ec:123456789/28531
publishDate 2024
reponame_str Repositorio Universidad Politécnica Salesiana
repository.mail.fl_str_mv .
repository.name.fl_str_mv Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesiana
repository_id_str 1737
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-nd/3.0/ec/
spelling Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KVCandelario Gómez Cosme, Fabricio XavierAlbán Villacrés, Luis EnriquePRONÓSTICODEMANDA ENERGÉTICAREGRESIÓN POLINOMIALINTELIGENCIA ARTIFICIALEn este estudio se han cumplido plenamente los objetivos planteados, tanto generales como específicos, en relación con el pronóstico de la demanda energética en el sector Primavera 2, alimentado por la subestación eléctrica Durán Sur. Se ha logrado recopilar y procesar los datos históricos de demanda utilizando herramientas avanzadas de MATLAB®, aplicando principios de Inteligencia Artificial para generar predicciones precisas y fiables. Estas predicciones han sido validadas mediante análisis exhaustivos, permitiendo identificar tendencias y posibles crecimientos en la demanda energética, lo que contribuirá a mejorar la eficiencia operativa del sistema eléctrico y a prevenir apagones. El uso de la Regresión Polinomial en el pronóstico para los meses de enero y febrero del 2024 ha sido particularmente eficaz para capturar las tendencias no lineales en los datos históricos, permitiendo prever con mayor precisión las variaciones en la demanda. Este enfoque proporciona una base sólida para la planificación energética. Por otro lado, el análisis con el método de Suavizado Exponencial Simple (SES) ha ofrecido pronósticos fiables para marzo y abril del 2024, reflejando tanto las tendencias recientes como los patrones estacionales, lo que constituye una herramienta valiosa para la gestión energética en el sector Primavera 2.In this study, the stated objectives, both general and specific, have been fully met in relation to the forecast of energy demand in the Primavera 2 sector, fed by the Durán Sur electrical substation. Historical demand data has been collected and processed using advanced MATLAB® tools, applying Artificial Intelligence principles to generate accurate and reliable predictions. These predictions have been validated through exhaustive analyses, allowing trends and possible growth in energy demand to be identified, which will contribute to improving the operational efficiency of the electrical system and preventing blackouts. The use of Polynomial Regression in the forecast for the months of January and February 2024 has been particularly effective in capturing non-linear trends in historical data, allowing variations in demand to be more accurately forecast. This approach provides a solid foundation for energy planning. On the other hand, the analysis with the Simple Exponential Smoothing (SES) method has offered reliable forecasts for March and April 2024, reflecting both recent trends and seasonal patterns, which constitutes a valuable tool for energy management in the sector. Spring 2.Silva Becherán, Julio Manuel2024-09-04T16:19:10Z2024-09-04T16:19:10Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://dspace.ups.edu.ec/handle/123456789/28531spaAtribución-NoComercial-SinDerivadas 3.0 Ecuadorhttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Politécnica Salesianainstname:Universidad Politécnica Salesianainstacron:UPS2024-09-04T16:19:11Zoai:dspace.ups.edu.ec:123456789/28531Institucionalhttps://dspace.ups.edu.ec/Institución privadahttps://www.ups.edu.ec/https://dspace.ups.edu.ec/oai.Ecuador...opendoar:17372024-09-04T16:19:11Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesianafalse
spellingShingle Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
Candelario Gómez Cosme, Fabricio Xavier
PRONÓSTICO
DEMANDA ENERGÉTICA
REGRESIÓN POLINOMIAL
INTELIGENCIA ARTIFICIAL
status_str publishedVersion
title Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
title_full Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
title_fullStr Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
title_full_unstemmed Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
title_short Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
title_sort Aplicación de inteligencia artificial para pronosticar la demanda energética del sector de Primavera 2 con su respectivo alimentador de la subestación eléctrica Durán sur con nivel de tensión de 69/13.8 KV
topic PRONÓSTICO
DEMANDA ENERGÉTICA
REGRESIÓN POLINOMIAL
INTELIGENCIA ARTIFICIAL
url http://dspace.ups.edu.ec/handle/123456789/28531

類似資料