Predicción de demanda eléctrica utilizando redes neuronales artificiales para CNEL EP – unidad de negocios agencia Quevedo
| dc.contributor.advisor | Peña Banegas, Diego Patricio | |
| dc.contributor.author | Mora Silva, Alvaro Leonel | |
| dc.contributor.author | Toaquiza Chango, Stalin Fabian | |
| dc.date.accessioned | 2022-03-04T14:03:07Z | |
| dc.date.available | 2022-03-04T14:03:07Z | |
| dc.date.issued | 2021 | |
| dc.description | The purpose of this research is to perform the projection of the demand for electrical energy by using an Artificial Neural Networks (ANN) model. To develop this projection, historical consumption data (maximum monthly demand) provided by the electricity company CNEL EP – UNIDAD DE NEGOCIOS AGENCIA QUEVEDO are used from the period 2003 - 2008. The projection of electricity demand is essential to guarantee mainly the continuity of the electricity supply generating reliability in consumers. In this project, a model of ANNs is tested, which has been developed with greater frequency over time. The data processing is done through 3 layers that are part of the ANN, these layers consist of: input layer, hidden layer and output layer, which through mathematical procedures delivers continuous values that represent the result. The development of the results is divided into stages, which consist of: ANN training with 85% of the historical data, ANN test under the evaluation standard Mean Absolute Percentage Error (MAPE) between 15% of the Values not used in the training versus the projection for historical data, this stage allows demonstrating the reliability of the model based on the percentage error, and thus making a projection with a longer time horizon. Keywords: ANN, backpropagation, electrical demand, gradient decrease, MAPE | es_ES |
| dc.description.abstract | Este trabajo de investigación tiene como finalidad realizar la proyección de la demanda de energía eléctrica mediante un modelo de Redes Neuronales Artificiales (RNA). Para desarrollar esta proyección se utilizan datos de consumos históricos (demanda máxima mensual) entregados por la empresa eléctrica CNEL EP – UNIDAD DE NEGOCIOS AGENCIA QUEVEDO en el periodo de tiempo 2003 - 2008. La proyección de la demanda de energía eléctrica es fundamental para poder garantizar principalmente la continuidad del suministro eléctrico generando confiabilidad en los consumidores. En este proyecto se pone a prueba un modelo de RNA, las cuales han venido desarrollándose con mayor frecuencia a lo largo del tiempo. El procesamiento de los datos se realiza a través de 3 capas que forman parte de la RNA, estas capas consisten en: capa de entrada, oculta y salida, las cuales mediante procesos matemáticos entregan valores continuos que representan el resultado. El desarrollo de los resultados se divide en etapas, las cuales consisten en: entrenamiento de la RNA con el 85% de los datos histórico, prueba de la RNA bajo el criterio de evaluación Error Porcentual Absoluto Medio (MAPE) entre el 15% de los valores no utilizados en el entrenamiento frente a la proyección para dicha cantidad de históricos, esta etapa permite demostrar la confiabilidad del modelo en base al porcentaje de error, y así realizar una proyección con mayor horizonte de tiempo. Palabras Claves: RNA, retropropagación, demanda eléctrica, descenso de gradiente, MAPE | es_ES |
| dc.format.extent | 108 p. | es_ES |
| dc.identifier.citation | Mora Silva Alvaro Leonel; Toaquiza Chango, Stalin Fabian (2021) "Predicción de demanda eléctrica utilizando redes neuronales artificiales para CNEL EP – unidad de negocios agencia Quevedo".Quevedo:UTEQ.108p | es_ES |
| dc.identifier.other | 450018 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/6595 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quevedo:UTEQ | es_ES |
| dc.rights | openAccess | es_ES |
| dc.subject | RNA | es_ES |
| dc.subject | Retropropagación | es_ES |
| dc.subject | Demanda eléctrica | es_ES |
| dc.subject | Descenso de gradiente | es_ES |
| dc.title | Predicción de demanda eléctrica utilizando redes neuronales artificiales para CNEL EP – unidad de negocios agencia Quevedo | es_ES |
| dc.type | bachelorThesis | es_ES |
