Prototipo de software para el pronóstico de demanda de energía en la Electrificadora de Santander

Simple item page
dc.contributor.advisorGalvis Carreño, Laura Viviana
dc.contributor.authorRodriguez Pulido, Maria Fernanda
dc.contributor.evaluatorRueda Chacón, Hoover Fabián
dc.contributor.evaluatorVásquez Capacho, John William
dc.date.accessioned2024-11-16T12:36:39Z
dc.date.available2024-11-16T12:36:39Z
dc.date.created2024-11-13
dc.date.issued2024-11-13
dc.description.abstractTítulo: Prototipo de software para el pronóstico de demanda de energía en la Electrificadora de Santander.* Autor: María Fernanda Rodriguez Pulido** Palabras Clave: Software, Pronóstico, Energía, Python, Tkinter, Redes Neuronales, Aprendizaje profundo, LSTM. Descripción: La proyección precisa de la demanda de energía eléctrica es crucial para garantizar la continuidad del suministro eléctrico, lo que no solo genera confiabilidad en los consumidores, sino que también es una obligación regulatoria en el sector eléctrico. Minimizar el error en la predicción de la demanda de energía es esencial para evitar posibles sanciones por parte de los entes reguladores. Este proyecto tiene como objetivo desarrollar un modelo de pronóstico de energía a corto plazo utilizando redes neuronales con capacidades de aprendizaje a corto y largo plazo, como las Redes Neuronales de Memoria a Largo Corto Plazo (LSTM). Para ello, se emplearon datos históricos de consumo de energía proporcionados por la Electrificadora de Santander. En este contexto, el proyecto evalúa la efectividad del modelo de Redes Neuronales LSTM, una tecnología que ha ganado popularidad debido a su capacidad para capturar patrones complejos en secuencias temporales. Además de los datos históricos, se consideran variables externas significativas, como la temperatura y factores sociales, tales como los días festivos, los cuales pueden producir pronósticos atípicos y afectar la precisión del modelo. Asimismo, se desarrolló un prototipo de software utilizando Python y la librería Tkinter, que permite a los usuarios visualizar gráficamente las predicciones generadas por el modelo LSTM.
dc.description.abstractenglishTitle: Software Prototype for Energy Demand Forecasting at Electrificadora de Santander.* Author(s): María Fernanda Rodriguez Pulido** Key Words: Software, Forecasting, Energy, Python, Tkinter, Neural Networks, Deep Learning, LSTM. Description: The accurate estimation of electricity demand is crucial to ensure the continuity of power supply, which not only builds consumer trust but is also a regulatory obligation in the energy sector. Minimizing error in demand forecasting is essential to avoid potential penalties from regulatory authorities. This project aims to develop a short-term energy forecasting model using neural networks with both short and long-term learning capabilities, such as Long Short-Term Memory (LSTM) networks. To achieve this, historical energy consumption data provided by Electrificadora de Santander was used. In this context, the project evaluates the effectiveness of the LSTM model, a technology that has gained popularity for its ability to capture complex patterns in time series. In addition to historical data, significant external variables such as temperature and social factors, like holidays, are considered, as they can lead to atypical forecasts and affect the model's accuracy. Additionally, a software prototype was developed using Python and the Tkinter library, allowing users to visually display the predictions generated by the LSTM model.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/44765
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial 2.5 Colombia (CC BY-NC 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectPronóstico
dc.subjectRedes Neuronales
dc.subjectAprendizaje profundo
dc.subjectEnergía
dc.subject.keywordSoftware
dc.subject.keywordPython
dc.subject.keywordTkinter
dc.subject.keywordLSTM
dc.subject.keywordDeep Learning
dc.subject.keywordNeural Networks
dc.subject.keywordForecasting
dc.subject.keywordEnergy
dc.titlePrototipo de software para el pronóstico de demanda de energía en la Electrificadora de Santander
dc.title.englishSoftware prototype for energy demand forecasting at the Electrificadora de Santander
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
78.95 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
146.47 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
2.52 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas