Publicación:

Diseño de un aplicativo web para el pronóstico de demanda de energía eléctrica a corto plazo en mercados de comercialización en Colombia utilizando máquinas de soporte vectorial

Resumen

El pronóstico de demanda de energía a corto plazo (STLF) garantiza una operación confiable y reduce los gastos del sistema al anticipar cambios en la demanda. Este trabajo presenta una aplicación web para pronosticar la demanda de energía a corto plazo en mercados de comercialización en Colombia. Se desarrolló un algoritmo utilizando máquinas de soporte vectorial (Support Vector Regression) en base a un trabajo de grado previo de la Universidad Industrial de Santander. El modelo se implementa con Scikit-Learn en Python y se crea la aplicación web llamada Mileto para el entrenamiento, testeo y evaluación de nuevos modelos, utilizando Django para el back-end y HTML, CSS, JavaScript y Bootstrap 5 para el front-end. Se configura una base de datos en Postgresql para almacenar los datos históricos de demanda de energía en Colombia. Además, se establece un servidor web con Nginx y se utiliza Docker Compose para desplegar los servicios web (Django), la base de datos (Postgresql) y Nginx en un ordenador suministrado por la Universidad Industrial de Santander. La aplicación web es accesible a través del dominio mileto.com.co.