Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Rey Lopez, Juan ManuelFajardo Ariza, Carlos AugustoMéndez Mateus, Carlos EduardoBarrera Ariza, Daniel Santiago2023-03-132023-03-132023-03-122023-03-12https://noesis.uis.edu.co/handle/20.500.14071/12516En este proyecto de grado se propondrá una metodología alternativa para el dimensionamiento de microrredes aisladas usando técnicas de regresión de aprendizaje automático. Como punto de partida, se obtendrá un set de datos a partir de una formulación clásica de dimensionamiento usando la técnica fuerza bruta para condiciones climáticas y de carga específicas. Luego, se seleccionarán al menos dos estrategias de técnicas de regresión de aprendizaje automático diferentes a redes neuronales, como árboles de decisiones, bosques aleatorios, regresión vectorial, regresión lineal (regresión de cresta o regresión de lazo), o regresión polinómica. Una vez obtenidos los modelos, se propondrá un procedimiento de entrenamiento y evaluación para calcular la relación que existe entre la precisión de los modelos y la reducción de la proporción de datos de entrenamiento.application/pdfspainfo:eu-repo/semantics/openAccessMicrorredesAprendizaje AutomáticoEnergías RenovablesPrecisiónRegresiónUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coMicrogridsMachine LearningRenewable energiesPrecisionRegressionhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)