Caracterización y predicción de la demanda energética a corto plazo usando técnicas de aprendizaje máquina aplicado al MC - Santander

Simple item page
dc.contributor.advisorRey López, Juan Manuel
dc.contributor.advisorDominguez Jiménez, Juan Antonio
dc.contributor.advisorDuarte Gualdrón, Cesar Antonio
dc.contributor.authorUribe Gómez, Sergio Alejandro
dc.contributor.authorSarmiento Gómez, Juan Camilo
dc.contributor.evaluatorBlanco Solano, Jairo
dc.contributor.evaluatorJiménez Manjarres, Yulieth
dc.date.accessioned2023-11-11T15:47:06Z
dc.date.available2023-11-11T15:47:06Z
dc.date.created2023-10-11
dc.date.issued2023-10-11
dc.description.abstractLa energía eléctrica es un recurso indispensable en el día a día de la sociedad, pues prácticamente la totalidad de los procesos cotidianos, a nivel residencial e industrial dependen de esta. Por esta razón, es necesario un sistema de distribución robusto y confiable, con una alta capacidad de planeación en la generación, despacho y transporte de la energía eléctrica, cuyo pilar fundamental es un correcto pronóstico en la demanda energética. En este trabajo de grado se propone el desarrollo de un modelo predictivo de tres fases para la predicción de demanda energética en el departamento de Santander: extracción de características de las entradas de la máquina, selección de predictores, y predicción, donde se optó por métodos de aprendizaje automático por conjuntos basados en arboles de decisión. Finalmente, el desempeño de los modelos se midió bajo las métricas MAPE y RMSE.
dc.description.abstractenglishElectricity is an indispensable resource in the daily life of society, as practically all daily, both at the residential and industrial levels, depend on it. For this reason, a robust and reliable distribution system is necessary, with a high capacity for planning in electricity generation, dispatch, and transportation, whose fundamental pillar is accurate energy demand forecasting. In this bachelor thesis is proposed the development of a three-phase predictive model for energy demand prediction in the Santander department: feature extraction, predictor selection, and prediction, where ensemble machine learning methods based on decision trees were chosen. Finally, the performance was measured using the RMSE and MAPE criteria.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
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/20.500.14071/15278
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
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-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectPredicción
dc.subjectDemanda
dc.subjectSTLF
dc.subjectAprendizaje de máquina
dc.subject.keywordForecasting
dc.subject.keywordDemand
dc.subject.keywordMachine Learning
dc.subject.keywordSTLF
dc.titleCaracterización y predicción de la demanda energética a corto plazo usando técnicas de aprendizaje máquina aplicado al MC - Santander
dc.title.englishCharacterization and Short-Term Energy Demand Forecasting Using Machine Learning Techniques Applied to MC - 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 - 4 of 4
No Thumbnail Available
Name:
Documento.pdf
Size:
3.26 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
556.63 KB
Format:
Adobe Portable Document Format
Description:
Este archivo contiene la carta de autorización de uso firmada por ambos autores. En caso de ser solicitadas una carta por cada autor, notificar lo más pronto posible.
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
416.05 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Apéndices.pdf
Size:
123.91 KB
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 Electrónica