Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/21303
Full metadata record
DC FieldValueLanguage
dc.contributor.authorGallo Cruz, Angel Omar-
dc.date.accessioned2021-01-08T16:02:32Z-
dc.date.available2021-01-08T16:02:32Z-
dc.date.issued2020-12-22-
dc.identifier.citationGallo Cruz, A. O. (2020). Análisis predictivo para minería de datos y proyección a corto plazo de la demanda de potencia en el sistema eléctrico ecuatoriano. 145 hojas. Quito : EPN.es_ES
dc.identifier.otherT-IE 5125/CD 10821-
dc.identifier.urihttp://bibdigital.epn.edu.ec/handle/15000/21303-
dc.descriptionLa planificación adecuada del sector eléctrico permite garantizar el abastecimiento de la demanda eléctrica, ya sea en condiciones energéticas tradicionales o inclusive en aquellas catalogadas como adversas, con la incorporación de proyectos eléctricos que utilizan fuentes de energía renovable y eficiente para el corto, mediano, y largo plazo. La ex ARCONEL, ahora Agencia de Regulación y Control de Energía y Recursos Naturales No Renovables (ARCERNNR), como ente encargado de regular el sector eléctrico, realiza estudios técnico-económicos de soporte para la proyección de demanda eléctrica. La necesidad de implementar acciones para gestionar la demanda a través de esquemas regulatorios y tarifarios para optimizar la operación del Sistema Nacional Interconectado hace que sea necesario, analizar el pronóstico de curvas de demanda de potencia eléctrica con una resolución horaria. El estudio realizado en este Trabajo de Titulación tiene como objetivo principal implementar una herramienta computacional en lenguaje de programación Python, utilizando algoritmos de aprendizaje automático: Light Gradient Boosting Machine, Random Forest Regressor, Decision Tree Regressor, y el algoritmo estadístico tradicional ARIMA, en un procedimiento propuesto para tareas de minería de datos y proyección a corto plazo de demanda horaria de potencia eléctrica.es_ES
dc.description.abstractProper planning of the electricity sector makes it possible to guarantee the supply of electricity demand, either in traditional energy conditions or even in those classified as adverse, with the incorporation of electricity projects that use renewable and efficient energy sources for the short, medium, and long term. The former ARCONEL, now the Agency for the Regulation and Control of Energy and Non-Renewable Natural Resources (ARCERNNR), as the entity in charge of regulating the electricity sector, carries out technical-economic support studies for the projection of electricity demand. The need to implement actions to manage demand through regulatory and rate schemes to optimize the operation of the National Interconnected System makes it necessary to analyze the forecast of electrical power demand curves with hourly resolution. The main objective of the study carried out in this Degree Project is to implement a computational tool in Python programming language, using machine learning algorithms: Light Gradient Boosting Machine, Random Forest Regressor, Decision Tree Regressor, and the traditional statistical algorithm ARIMA, in a Proposed procedure for data mining tasks and short-term projection of hourly demand for electrical power.es_ES
dc.description.sponsorshipPérez Yauli, Fabián Ernesto, directores_ES
dc.language.isospaes_ES
dc.publisherQuito, 2020.es_ES
dc.rightsopenAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectELECTRÓNICAes_ES
dc.subjectPOTENCIA ELÉCTRICAes_ES
dc.subjectSISTEMA ELÉCTRICO ECUATORIANOes_ES
dc.titleAnálisis predictivo para minería de datos y proyección a corto plazo de la demanda de potencia en el sistema eléctrico ecuatorianoes_ES
dc.typebachelorThesises_ES
Appears in Collections:Tesis Ingeniería Eléctrica (IE)

Files in This Item:
File Description SizeFormat 
CD 10821.pdf8,26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.